Dear Tunars,
这是本学期第一次招新之后的 Tunight，欢迎大家一起线下或者线上参与！ --- 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 <https://mmla-org.github.io/>（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！ *活动信息：* - 主讲人：邹骏逸, Avrova Donz - 活动信息： https://tuna.moe/event/2026/mmla/ - 时间：*2026/10/10（校历第四周周六） 19:00* UTC +08:00 - 活动形式：线下 + 线上会议 + 直播 - 地点：*三教* 1206 - 线上会议：腾讯会议 375-441-356 密码 261010 <https://meeting.tencent.com/dm/zX5HeFgMqJkO> - 直播链接： - YouTube: https://youtube.com/live/iUT4LTGEmb0 主讲人自我介绍： 邹骏逸 <https://github.com/shenxiumao>，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 <https://github.com/AvrovaDonz2026>，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。 Have a nice day! 喵喵 -- 您收到此邮件是因为您订阅了 Google 群组的“TUNA 主邮件列表”群组。 要退订此群组并停止接收此群组的电子邮件，请发送电子邮件到[email protected]。 如需查看此讨论，请访问 https://groups.google.com/d/msgid/tuna-general/66f615f2-8f90-4c77-b779-1181fb1bbb86n%40googlegroups.com。
