4月23日，西南石油大学计算机与软件学院“梦溪湖论坛”春季第七讲在明理楼B306举行，西南财经大学24级博士生俞皓带来一场精彩讲座，围绕联邦持续学习展开深入探讨，其相关成果已发表于IEEETKDE、CVPR等顶级期刊与会议，为人工智能协同领域提供了全新范式。

讲座中，俞皓详细阐释了联邦持续学习的核心特点——它创新性地融合联邦学习与持续学习，在空间维度实现跨平台知识集成，在时间维度达成跨任务知识整合，有效解决了数据隐私与训练效率难题。然而，这一前沿技术也面临严峻挑战，其中“时空灾难性遗忘”问题尤为突出：时间遗忘表现为客户端训练新任务时，先前任务的重要参数被覆盖；空间遗忘则因客户端数据异构，导致模型异构，简单聚合会使精度大幅下降，两者相互作用，进一步加剧模型性能恶化。

俞皓分享了针对上述挑战的系列研究工作。在应对策略上，通过知识融合、多粒度提示、原型特征知识转移等方法，探索解决路径；同时，还提及联邦大模型存在的十大问题，为该领域后续研究指明方向。

此次讲座内容丰富、干货满满，不仅展现了联邦持续学习领域的前沿动态，也为师生们开展相关研究提供了新思路，对推动人工智能协同技术的发展具有重要意义。