Nested Learning（嵌套学习）是谷歌推出的新型机器学习范式，能解决传统大语言模型在持续学习中面临的“灾难性遗忘”问题。Nested Learning将复杂的机器学习模型视为多层级、嵌套的优化问题系统，每个层级都有独立的上下文流和更新频率。这种设计灵感来源于人脑的记忆和学习机制，通过分层协作实现信息的高效处理与存储。基于Nested Learning的模型（如Hope）在语言建模、长上下文记忆管理等任务中表现优于传统Transformer架构，展现出强大的动态学习能力和长时记忆管理能力。Nested Learning核心创新包括深度优化器、自我修改模型和连续记忆系统，为AI的持续学习和动态知识积累提供新思路，有望推动人工智能从静态模型向动态、自适应的智能系统转变。