Google 提出睡眠框架使大模型在持续学习中保留知识并支持10M token上下文

Google Research 发布睡眠框架（Sleep Framework），通过交替进行活跃交互与离线记忆巩固，使大语言模型能够持续学习新知识并避免灾难性遗忘。该范式将人类睡眠机制映射为两个阶段：活跃期处理输入并存储短期信息，睡眠期则暂停新输入，利用预分配的混合专家（MoE）内存块更新权重以巩固长期参数。

核心机制包含记忆巩固与梦境自优化。记忆巩固阶段采用参数扩展与连续记忆层级结构，将低秩专家整合至低频模块，并通过广义知识蒸馏（GKD）结合强化学习模仿学习，将高频层的短期记忆向上蒸馏至长期参数，随后重置临时参数。梦境阶段通过随机激活非标准专家生成合成数据，并利用基于梯度的数据选择筛选高价值样本进行监督微调，从而优化学习几何结构。实验显示，该方法在多阶段评估中维持了近乎零的性能下降，在 BABILong 基准上实现了高达 10M tokens 的长上下文理解，并在 AIME 24/25 和 HMMT 25 数学推理任务上超越了 SFT、GRPO 等基线方法。

事实层面，该研究由 Google 与康奈尔大学合作完成，明确提出了 MoE 架构下的参数扩展与知识种子机制。推断层面，这种“睡眠”机制可能改变当前依赖静态预训练或仅靠上下文窗口（ICL）的部署模式，使模型具备类似人类的持续进化能力。猜测层面，虽然文中未提及具体算力成本，但周期性离线计算与动态参数扩展可能对推理延迟与硬件资源调度提出新的工程挑战，其实际落地效果需进一步观察大规模部署时的稳定性。