一个编程助手修复了一次错误，下一次遇到相似问题时，能否少走一些弯路？当项目配置已经更新，它能否记住新版本、放下旧信息，而不是让我们反复重讲背景？如果希望 AI 长期参与真实工作，我们需要的或许不只是更长的对话记录，而是能把经历转化为后续能力的学习系统。
MMLA（记忆介导学习架构）从这些问题出发，探索面向持续学习的架构设计。它不将 Transformer 视为唯一的计算骨干，而是关注经验如何被保留、修正，以及如何改变下一次行动。核心机制 PDSA（预测性双状态适应）将两件事分开处理：用可修改的记忆管理“知道什么”，用可更新的策略调整“怎样解决问题”。让两者在有限资源下协作，是这项研究希望打通的学习闭环。
欢迎大家一起来玩！
主讲人自我介绍：
邹骏逸，独立研究者，暂时从课表里溜出来研究 AI。目前主要研究 MMLA 与 PDSA，探索能够持续学习和演化的智能系统，关心 AI 怎样把经历变成能力，而不只是把聊天记录越存越长。日常在论文、代码和实验之间来回横跳，努力教模型记住该记住的事，自己则靠 Git 记住昨天改了什么。本人和模型都在持续更新中。
Avrova Donz，是猫，也是高性能计算工程师。白天把作业塞进调度器，晚上研究 MMLA 与 PDSA：一段经历要么整行覆盖成权威记忆，要么礼貌写 NULL，绝不让半截状态在节点上过夜。别人迷信更长的上下文，她迷信更干净的带宽和更少的废话；仓鼠囤 token，猫只留下以后用得上的那几行。论文、代码、负结果和作业脚本都是逗猫棒，下班形态是家猫。模型靠有界状态续命，集群靠队列续命，她靠九条命准时下班，三者都还在热更新。
活动信息：
清华大学 TUNA 协会原名清华大学学生网管会，注册名清华大学学生网络与开源软件协会，是由清华大学网络技术和开源软件爱好者、技术宅组成的团体。现阶段向校内外提供开源软件镜像等服务。
The best team on the planet.
