大模型出厂即“定型”，新知识喂进去，要么随对话散场丢失，要么硬塞后忘记旧本事。谷歌于10月27日提出“睡眠框架”（Sleep Framework），相关论文题为《Language Models Need Sleep》，由 Google Research 公开发布，目标是解决“知识截止日”顽疾。 该框架将模型运行分为清醒与睡眠两段。清醒阶段照常接收输入，信息先放入短期记忆；睡眠阶段暂停接活，专注记忆整合与自我改进。记忆巩固借助参数扩展、混合专家记忆块与知识蒸馏，将易碎的短期上下文写入长期参数，同时不覆盖既有知识。框架还设“做梦”环节，让模型自己生成并筛选合成训练样本，通过强化学习反复练习，提升推理与泛化能力。相比传统反复微调引发的“灾难性遗忘”，睡眠式整合相当于为模型加装防丢闸门。 实验显示，该框架在持续翻译、长上下文理解、事实吸收和数学推理上超过多数基线，可消化最长约1000万 token 的上下文；在未见语言的多阶段持续学习中，性能几乎零下降；AIME 24/25 等数学基准准确率也更高。若落地，意味着模型不必发布即过时，而是边用边长本事，对医疗、金融、法务等需持续吸收新信息的场景更划算。