返回首页
面向开放环境的持续学习：理论、方法与大模型时代的新挑战｜CNCC Tutorial
CNCC2026将于10月21-24日在成都举办。今年将继续推出Tutorial，本篇介绍的Tutorial是——面向开放环境的持续学习：理论、方法与大模型时代的新挑战
Tutorial是由领域内专家主讲，面向全体参会者开放的专题讲座或教学环节，旨在介绍研究领域的最新进展或基础知识，内容涵盖原理、挑战、方法等。可以帮助刚进入该方向的博士生、青年学者快速补齐知识短板，以便更好地参会后续的前沿报告理解与未来方向思辨。
今年Tutorial共设置11大主题板块：AI基础模型、机器学习理论与机理、强化学习与推理、视觉多模态与世界模型、AI安全与治理、数据科学与数据空间、机器人与具身智能、Agent智能体、新型计算与网络架构、AI4Science、AI+行业。
（扫码报名）
模块 | 时长 | 内容 |
1. 持续学习任务与挑战 | 20min | 介绍持续学习的定义与典型场景 |
2. 经典持续学习方法 | 40min | 介绍持续学习的基本思路和代表性方法 |
3. 预训练模型时代的持续学习 | 30min | 介绍预训练模型对持续学习范式的影响 |
4. 大模型与智能体持续学习 | 30min | 介绍智能体、视觉语言模型与多模态大模型中的持续学习问题与方法 |
5. 持续学习的应用 | 60min | 介绍持续学习在隐私保护、具身智能等场景中的应用与挑战 |
6. 问答&讨论 | 20min | 报告嘉宾与参会者自由交流讨论 |
Tutorial简介
持续学习是实现开放环境智能系统的重要基础，旨在使机器学习模型能够在不断变化的数据、任务和场景中持续获取新知识，同时尽可能保持已有能力。随着人工智能系统从封闭静态环境走向真实动态环境，模型需要不断适应新类别、新领域、新用户和新任务，灾难性遗忘、知识迁移、模型更新成本和长期适应能力等问题变得愈发关键。近年来，预训练模型、视觉语言模型、大语言模型和AI Agent的发展进一步拓展了持续学习的研究边界，推动该领域从传统的任务序列学习迈向面向基础模型和开放环境智能系统的新阶段。
本Tutorial将系统梳理持续学习的发展脉络，从基本问题定义、任务设定、评价指标和经典方法出发，介绍正则化、知识蒸馏、样本回放、参数隔离、动态结构和表征学习等代表性技术路线。进一步地，我们将重点讨论预训练模型时代持续学习的新范式，包括冻结特征、参数高效调优、模型扩展、模型融合、视觉语言模型持续学习等方向，并结合大语言模型、多模态大模型和AI Agent中的知识更新、长期记忆、个性化适应和检索增强学习等前沿问题，探讨持续学习在开放环境智能系统中的应用价值、实践挑战与未来发展趋势。
Tutorial目标
参与者将能够：
理解持续学习的基本概念、典型任务设定与核心挑战。
掌握持续学习的主流方法及其基本技术思路。
了解预训练模型、大模型和AI Agent中的持续学习新范式。
跟踪持续学习领域的前沿研究进展，为后续科研或实际应用奠定基础。
讲者介绍
中山大学教授
教育部“长江学者奖励计划”特聘教授、IAPR Fellow，英国皇家学会牛顿高级学者，现任中山大学计算机学院副院长、教育部机器智能与先进计算重点实验室主任。长期研究协同与交互分析理论与方法，解决小样本和迁移学习机器学习建模问题。发表CCF-A/中科院1区/Nature子刊 论文200多篇，其中在IEEE T-PAMI/IJCV/SIGGRAPH/Nature子刊发表20余篇。担任IEEE T-PAMI、AIJ等期刊的编委。作为负责人，主持承担国家自然科学基金委联合基金重点项目、国家优秀青年科学基金项目、国家重点研发课题、国家自然科学基金委联合重大项目重点课题、广东省自然科学基金委卓越青年团队(负责人)项目等。获中国图象图形学学会自然科学奖一等奖、广东省自然科学奖一等奖等、国家教学成果奖二等奖等。
南开大学教授
国家高层次青年人才计划入选者，研究方向为开放环境视觉连续学习。入选南开大学“百名青年学科带头人培养计划”，入选第九届中国科协青年托举计划。博士毕业于西班牙巴塞罗那自治大学，博士后工作于英国爱丁堡大学。长期从事连续学习、无监督学习和小样本学习等面向开放环境的机器学习和计算机视觉问题。至今共发表学术论文40余篇，谷歌学术引用6000余次，一篇文章入选CVPR 2022 Best Paper Finalists。担任VALSE 2022-2026 组委会成员，组织CVPR 2023年连续学习Workshop，获第二届粤港澳大湾区（黄埔）国际算法算例大赛“序列任务的连续学习”冠军。
南京大学副研究员
现任南京大学人工智能学院特任副研究员，在南京大学机器学习与数据挖掘研究所（LAMDA）从事学术研究工作。主要研究方向包括持续学习、模型复用等领域。他在 Nature Materials、TPAMI、IJCV、ICML、NeurIPS、ICLR等机器学习领域顶级会议期刊发表学术论文40余篇。据Google Scholar统计，累计被引用5800余次，相关论文被顶级国际期刊TPAMI评选为 “最受欢迎文章”之一。担任NeurIPS、ICLR等多个顶级国际会议领域主席；被评为斯坦福大学“全球前2%顶尖科学家”、IJCV、CVPR、NeurIPS、ICML等刊物的杰出审稿人，在AAAI、IJCAI多次组织持续学习 的Tutorial。主持开发多个标志性的持续学习工具包 ，如PyCIL、PILOT、Prism等。
欢迎参加CNCC2026 CNCC是一个宏观论述技术趋势的大会，具有规格高、规模大、内容丰富等特点，会议形式包括大会特邀报告、大会论坛、专题论坛、特色活动及展览。大会汇聚两院院士、国内外顶尖学者、知名企业家等亲临大会，展望前沿趋势，分享创新成果。ACM、IEEE CS、IPSJ、KIISE等国际计算机组织的代表也多次获邀现场参加这一盛会。CNCC2026将于10月21-24日在四川省成都市举办，大会主题是“数聚驱动，智算未来”，欢迎各界前来参会。
京公网安备 11010802032778号
