持续学习模型与金融交易的新博弈

为什么值得关注

当前大模型发展正面临静态标注数据模式的瓶颈。图灵奖得主 Richard Sutton 在 WAIC 2026 主论坛上明确指出，经验驱动是下一代 AI 的必经之路。

Mind Lab 团队由 Andrew Chen、姚顺雨等来自 xAI、DeepSeek、MIT 的核心成员组成，其 FireAct 论文奠定了持续学习的技术基础。该实验室成立于 2025 年 10 月，目前拥有约 30 人规模，押注方向与 OpenAI 前 CTO Mira Murati 的路线高度一致。

与此同时，金融市场正在经历剧烈重构。华尔街多家机构在第二季度刷新了交易收入纪录，高盛股票交易业务净营收达到 74.2 亿美元，较 2025 年第二季度增长 72%。这一数据变化背后是全球股市波动与客户持仓调整的双重驱动。

【传闻隔离 / 社区研讨】

网络流传部分观点将市场剧烈波动归因于美伊冲突持续及 AI 概念股上涨，导致客户敦促银行调整持仓。此类地缘政治因素作为业绩驱动力尚存争议，需结合官方财报与权威信源交叉验证，避免将假设性分析直接等同于既定事实。

此外，社交媒体上关于“女子隐私照未打码被医美发朋友圈”的话题引发热议，反映了数据合规在生成式 AI 应用中的严峻挑战。此类事件虽为网络热点，但揭示了模型训练与应用中对于敏感信息处理的潜在风险点。

信息热度

社区对持续学习技术的关注度显著提升。DeepSeek 近期将 Agent 后的核心问题定义为“如何解决持续学习”，使得该技术从学术圈走向大众视野。

在金融领域，摩根大通与高盛的 Q2 业绩表现成为市场焦点。德意志银行 FICC 交易业务第二季度收入达到 26 亿欧元（约 30 亿美元），同比增长 16%，高于美国同行 13% 的平均增幅，推动其股价一度上涨 6%。

社交媒体上关于隐私泄露的讨论热度居高不下，网民关注焦点集中在数据保护与平台责任的边界划分。尽管具体事件定性尚待官方结论，但公众对于 AI 伦理边界的敏感度正在提升。

关键信息

技术架构细节： Mind Lab 团队的核心优势在于其成员背景。创始人陈锴杰曾主导 MidReal 项目并推出 Personal Agent 应用 Macaron，该产品上线即登顶 Product Hunt 日榜。团队汇聚了 DeepMind、字节跳动 Seed 等机构人才。 FireAct 论文提出的持续学习框架旨在解决模型在动态环境中的适应性问题。这与 Sutton 强调的“经验驱动”理念形成技术互证。

金融数据锚点：

• 高盛 (Goldman Sachs)：股票交易业务净营收 74.2 亿美元，同比（较 2025 Q2）增长 72%。
• 德意志银行 (Deutsche Bank)：FICC 收入 30 亿欧元，同比增长 16%，股价涨幅 6%。
• 法国巴黎银行：股票交易收入同比增长 43%，达到 14 亿欧元。

这些具体数值表明，市场波动性直接转化为金融机构的交易佣金收益。欧洲大型银行仅凭两位数营收增长已不足以维持投资者信心，必须证明其具备与美国顶级投行竞争的能力。

21ZHAO 判断

从技术演进路径看，持续学习改变了大模型默认的训练范式。过去依赖海量静态标注数据的路径已达天花板，未来需转向基于交互反馈的经验积累机制。Mind Lab 的实践验证了这一转型的可行性，但也带来了新的隐形成本：如何高效构建经验回放库及防止灾难性遗忘。

从金融竞争格局看，华尔街的高业绩抬高了全球银行业的竞争门槛。欧洲银行虽在 FICC 领域保持增长优势，但单纯依靠市场波动获利不可持续。机构需证明其具备主动管理风险与捕捉非对称收益的能力。

关于隐私合规的博弈同样深刻。未打码照片泄露事件警示我们：生成式 AI 的应用场景若缺乏严格的数据脱敏流程，将面临巨大的法律与社会声誉风险。这不仅是技术缺陷问题，更是产品设计与运营规范的系统性缺失。

可复用建议

• 架构升级：在构建下一代 Agent 系统时，优先引入持续学习模块（如 FireAct 框架），建立动态经验回放机制，减少对外部静态数据集的依赖频率。同时部署实时数据脱敏管道，确保用户隐私照等敏感信息在进入训练集前完成自动化打码处理。
• 合规试点：针对金融交易类应用，建议设立“波动性收益 vs 合规成本”评估模型。在追求 Q2 式高增长的同时，预留资源用于应对潜在的地缘政治风险与数据泄露事件，避免将假设性的市场归因作为唯一决策依据。

可延展观察

未来几周，随着 WAIC 技术论坛的深入讨论，持续学习将成为开源社区的核心议题。若 DeepSeek 等厂商进一步开放相关 API，开发者生态或将迎来重构。

金融方面，欧洲银行与华尔街机构的竞争态势可能引发监管政策调整。若美伊等地缘冲突加剧市场波动，监管机构可能会出台更严格的资本充足率要求以防范系统性风险。

隐私保护技术也将面临新的博弈。随着生成式 AI 在医疗、社交等敏感领域的渗透，数据主权与算法伦理的讨论将从理论走向立法实践。开发者需密切关注相关法案动态，提前调整产品架构以适应合规要求。

参考来源

• 在大模型的下一阶段议题上，我们找到了一家做持续学习的中国Neo Lab - 36Kr
• 女子隐私照未打码被医美发朋友圈—微博热搜焦点话题解析 - 微博热搜
• 华尔街投行刷新交易收入纪录 欧洲同行面临更高竞争门槛 - 财联社