告诉我该学什么：通用神经记忆在自然语言中的可控性研究

现代机器学习模型在部署于多样化、非平稳环境中时，必须不断适应新任务和演变的知识。持续微调和情境学习成本高昂且脆弱，而神经记忆方法则承诺以轻量级更新和最小遗忘实现适应。然而，现有神经记忆模型通常假设单一固定目标和同质信息流，用户无法控制模型在时间中究竟记住或忽略什么。为此，我们提出一种通用神经记忆系统，通过自然语言指定的学习指令实现灵活更新。我们的做法使智能体能够从异构信息源中选择性学习，支持如医疗保健和客户服务等场景，其中固定目标记忆更新已不足以应对。