FlyPrompt：面向通用持续学习的脑启发随机扩展路由与时序集成专家方法

通用持续学习（GCL）要求智能系统在无明确任务边界的非平稳数据流中进行单次学习。现有参数高效微调方法依赖多轮训练和显式任务提示，难以适应 GCL 场景，且缺乏针对专家参数分配及有限监督下表征能力提升的设计。受果蝇分层记忆系统启发，本文提出 FlyPrompt 框架，将 GCL 分解为专家路由与能力增强两个子问题。该方法引入随机扩展分析路由器实现实例级专家激活，并利用输出头的时序集成动态调整决策边界。实验表明其在多个基准上显著优于最先进方法。