面向应用流的持续 GUI 智能体学习：激活条件选择性知识控制

研究者提出"激活条件选择性知识控制"，一种通过神经元级梯度操作实现选择性知识保留的轻量方法，用于 GUI 智能体的持续学习。该方法维护紧凑的历史知识状态以保护高激活 MLP 神经元，新应用到来时按前向激活实时进行梯度手术：未激活神经元梯度截断以防干扰，已激活神经元梯度正交投影以兼顾稳定与适应。在多应用序列基准上，该方法有效缓解了对旧应用的灾难性遗忘，同时保持对新应用的稳健适应。