continual-learning

Biblioteca de memoria para construir agentes con estado

Habla con tu agente: aprende y EVOLUCIONA.

Agentes con estado que son como personas, con memoria, identidad y la capacidad de aprender y adaptarse.

Permite que las habilidades evolucionen colectivamente con Agentic Evolver

Colección de artículos sobre modelos de difusión categorizados por sus subáreas

Avalanche: una biblioteca de extremo a extremo para aprendizaje continuo basada en PyTorch.

Implementación en PyTorch de varios métodos para aprendizaje continuo (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) en tres escenarios diferentes.

Awesome AI Memory | Memoria para LLM | Una base de conocimientos curada sobre memoria de IA para LLMs y agentes, que cubre memoria a largo plazo, razonamiento, recuperación y diseño de sistemas nativos de memoria.

PyCIL: Una caja de herramientas en Python para el aprendizaje incremental de clases

Awesome Machine Unlearning (un estudio sobre Machine Unlearning)

Un framework de aprendizaje continuo (general) extensible basado en Pytorch - base de código oficial de Dark Experience for General Continual Learning

Curso de aprendizaje profundo de NMA.

Fusión de modelos en LLMs, MLLMs y más allá: métodos, teorías, aplicaciones y oportunidades. ACM Computing Surveys, 2026.

Repositorio oficial de "Position: Agentic Evolution is the Path to Evolving LLMs".

Lista de artículos sobre aprendizaje continuo, curada por ContinualAI

Sistemas, benchmarks y artículos seleccionados sobre memoria para LLM/MLLM: contexto a largo plazo, recuperación y razonamiento

Un repositorio de aprendizaje incremental, aprendizaje continuo y aprendizaje permanente.

🎉 PILOT: Una caja de herramientas de aprendizaje continuo basada en modelos preentrenados

AutoSkill: aprendizaje permanente impulsado por la experiencia mediante la autoevolución de habilidades.

[CSUR 2025] Aprendizaje continuo de modelos de lenguaje de gran tamaño: una encuesta exhaustiva.