想必持续学习相关领域的朋友都关注了MIT最近那篇硬核工作“RL’s Razor”，它从理论和实验上证明：RL比SFT更不容易遗忘旧任务！
不过MIT这篇更大的价值不在于它证明RL更强，而是给我们指了一个前沿方向：RL+CL。近两年顶会上这个交叉方向的文章数量明显在涨，但远没到卷的程度。机器人、大模型、自动驾驶、医疗图像...只要任务流是动态的，RL+CL都能讲故事。如果感兴趣，现在正是上车的好时候！
为了帮助各位快速上手，我整理了11篇强化学习+持续学习相关的高质量论文（含MIT这篇），有综述也有最新方法，无偿分享。拿到手就能直接省去筛资料的精力，快速摸清这方向还能发什么、缺什么。
扫码添加小享，回复“强化持续”
免费获取全部论文+开源代码
RL’S RAZOR: WHY ONLINE REINFORCEMENT LEARNING FORGETS LESS
研究方法：论文以持续学习中灾难性遗忘为核心问题，对比在线强化学习与有监督微调，通过LLM、机器人模型及受控实验，结合KL散度量化分布偏移与理论推导，验证在线RL因隐式KL最小化偏向原模型分布，从而在持续适配新任务时显著减少旧技能遗忘。
创新点：
实证发现在线强化学习相比监督微调在同等新任务性能下，能显著保留模型旧有能力，更少发生灾难性遗忘。
提出经验遗忘定律：新任务上微调模型与原模型的KL散度，可精准预测遗忘程度，为量化遗忘提供统一指标。
揭示RL剃刀原理：在线策略更新天然偏向与原模型KL最小的最优解，从理论上阐明RL抗遗忘机制，为持续学习优化提供新方向。
研究价值：论文提出RL 剃刀原理，揭示在线强化学习微调因天然偏向与原模型 KL 散度最小的新任务解，比监督微调遗忘更少，且证明新任务上的 KL 散度可精准预测灾难性遗忘程度，为大模型持续学习提供核心理论依据。
Spatiotemporal Continual Learning for Mobile Edge UAV Networks: Mitigating Catastrophic Forgetting
研究方法：研究面向移动边缘无人机网络，提出时空持续学习框架，基于多智能体强化学习，融合群体解耦策略优化、梯度正交化与三维空间补偿，实现动态时空环境下的持续学习，有效缓解灾难性遗忘，提升无人机集群长期自适应能力。
创新点：
提出时空持续学习（STCL）框架，面向动态移动边缘无人机网络，有效解决环境切换时的灾难性遗忘问题。
设计G-MAPPO强化学习算法，融合组解耦策略优化与梯度正交化机制，平衡能量效率、用户公平、覆盖等多冲突目标。
引入三维空间补偿，通过无人机动态高度调节应对用户密度极端变化，提升复杂场景下的自适应能力与服务稳定性。
研究价值：研究提出的STCL框架与G-MAPPO算法，为动态移动边缘无人机网络提供了持续学习+强化学习的一体化解决方案，有效缓解灾难性遗忘、提升多目标优化能力，为大规模空中边缘集群的长期稳定运行提供了理论支撑与技术路径。
扫码添加小享，回复“强化持续”
免费获取全部论文+开源代码
