GUI 代理持续学习新方法：基于神经元级梯度手术的选择性知识控制

针对 GUI 代理在应用流中持续学习易发生灾难性遗忘的问题，研究人员提出了一种激活条件选择性知识控制方法。该方法通过神经元级梯度操作维护紧凑的历史知识状态：对持有特定知识的未激活神经元执行截断梯度以防止干扰，对持有共享知识的已激活神经元进行正交投影以兼顾稳定性与适应性。每次应用阶段结束后，新识别的关键神经元将被合并入历史状态。在多应用序列基准测试中，该方法有效缓解了灾难性遗忘，并维持了代理对新应用的鲁棒适应能力。