把人工智能想象成一个学生

大型语言模型是那种临时抱佛脚，然后僵住的人。

他们记得自己所学的内容，但一旦考试结束，他们就停止学习。只有让他们回去参加另一轮昂贵的课程，才能让他们更聪明。

增量学习是不同的。它是学生在生活中不断记笔记，每天更新自己的理解，并在学习到新知识的那一刻改变自己的行为。他们不仅仅是通过考试，而是不断成长。

现在，大多数人工智能仍停留在第一阶段。这就是为什么我们需要RAG (检索增强生成)、微调、提示技巧和无尽的拼凑，以保持其有用性。它是一个不会自我更新的大脑的胶带。

通过增量学习，人工智能不需要临时解决方案。它实时适应。它修正自己的信念。它在每次交互中积累知识。

更轻、更快、更可靠的系统。感觉像活着的智能，不再像静止的快照，而更像是一个运动中的头脑。

所以真正的问题不是今天的人工智能听起来有多聪明，而是它明天是否能继续学习。