太原理工大学电子信息工程学院黄旭辉教授团队在类脑连续学习领域取得重要突破，该工作受人脑海马体-新皮层学习记忆机制启发，提出赫布学习（Hebbian learning）驱动的元学习（Meta Learning）框架，实现类脑脉冲神经网络的快速高效连续学习。相关论文成果以“HLML-SNN: Fast Continual Learning in Spiking Neural Networks Achieved via Hebbian Learning-Driven Meta-Learning”为题，成功被人工智能领域国际顶级会议AAAI-2026收录。AAAI是中国计算机学会（CCF）推荐的A类国际顶级会议，在人工智能领域享有较高的学术声誉。该论文的第一署名单位为太原理工大学，通讯作者为黄旭辉教授和侯庆山博士，共同第一作者为硕士研究生徐姜帅和薛珮芸副教授。

基于赫布学习与元学习的脉冲神经网络连续学习框架图

该工作受大脑新皮层-海马体长短时学习记忆协同机制启发，创新设计了双阶段协同学习模型框架：在短期学习阶段，模型通过赫布学习捕捉神经元脉冲的时间相关性，动态调整局部突触权重，实现对新任务的毫秒级快速适应；在长期学习阶段，模型借助元学习优化全局元参数，整合跨任务通用模式，为赫布学习提供高质量初始化参数，同时将短期适配知识巩固为长期记忆，从根本上缓解灾难性遗忘；在协同机制中，元参数为赫布学习提供良好的初始化基础，赫布学习的任务特异性反馈反向优化元参数，形成快速微调和全局优化的闭环，实现快速高效的连续学习。

该研究在类脑智能领域的连续学习基础理论方法上取得重要突破，不仅为理解生物大脑的高效信息处理与学习记忆机制提供有效的理论依据，也为开发资源受限场景下可终身学习的智能无人系统奠定实用的方法基础，有助于加速新一代人工智能技术的前沿创新和边端场景快速部署应用步伐。

附AAAI会议简介：

AAAI，全称为Association for the Advancement of Artificial Intelligence Conference on Artificial Intelligence，即人工智能促进协会人工智能国际会议，是人工智能领域的顶级学术会议之一。AAAI会议每年举行，其学术影响力覆盖广泛，涵盖机器学习、自然语言处理、计算机视觉、多智能体系统、知识图谱等多个研究方向。在各类学术会议的统计排名中，AAAI位居前列，被中国计算机学会（CCF）列为人工智能领域的A类会议（CCF-A类会议）。

近三年AAAI会议论文录用情况：

2024年会议共收到9862篇有效投稿，录用2342篇，录取率为23.75%；

2025年会议共收到12957篇有效投稿，录用3032篇，录取率为23.4%；

2026年会议共收到23680篇有效投稿，录用4167篇，录取率为17.6%。