以记忆为中心的持续学习（MCCL）：让 AI 智能体从被动检索走向持续学习

研究者提出 Memory-Centric Continual Learning（MCCL），主张记忆应以是否改善未来行动来评判，而非仅看检索召回。MCCL 包含三轴记忆分类法与内外双循环生命周期、衡量干扰下保持与任务迁移的评估协议，以及建模性能随经验、存储容量和算力预算扩展的记忆扩展框架。