信息作为结构对齐：持续学习的动力学理论

灾难性遗忘并非工程失败，而是将知识存储为全局参数叠加的数学后果。现有方法，如正则化、重放和冻结子网络，都在共享参数基底上添加了外部机制。没有一种方法是从学习动力学本身推导出保持能力的。本文提出了信息构建框架（IBF），一种持续学习的替代基底，其前提是信息是实现结构对齐而非存储内容。在IBF中，两个方程支配动力学：运动定律驱动构型向更高相干性演化，修正动力学持续变形相干性景观以响应局部差异。记忆、主体性和自纠错源于这些动力学，而非作为独立模块添加。我们首先在一个透明的二维玩具模型中演示完整生命周期，然后在三个领域进行验证：一个受控的非平稳世界、由斯多克菲什独立评估的国际象棋，以及采用冻结ViT编码器的Split-CIFAR-100。在所有三个领域中，IBF在不存储原始数据的情况下实现了比重放更优的保持能力。我们在CIFAR-100上观察到接近零的遗忘（BT = −0.004），在国际象棋中实现了正向逆向迁移（+38.5 cp），在受控领域中的遗忘比重放少43%。在国际象棋中，该框架在独立评估下实现了平均行为优势+88.9±2.8 cp，超过了MLP和重放基线。