新基准 CL-Bench：评估前沿 AI 的持续学习能力
tokenbender · x · 2026-08-13
论文提出了 Continual Learning Bench (CL-Bench)，这是首个旨在评估 LLM 智能体能否通过序列经验真正提升能力的高质量基准。
- 涵盖领域：包含软件工程、信号处理、疾病预测、数据库查询、策略游戏和需求预测等 6 个领域，任务设计要求系统发现潜在的共享结构。
- 实验发现：当前前沿模型在持续学习上仍有不足，经常过拟合于近期观察或无法跨实例复用知识。此外，专门的记忆系统并未解决该问题，甚至表现还不如简单的上下文学习 (ICL)。
所属事件:伯克利推出 CL-Bench：评估大模型持续学习能力(2 条相关)→
「研究」频道最新
- SWE-Duel:让编码 agent 互相出题埋 bug 的抗污染竞技场 — Consistent_Fox_2990 · 2026-10-16
- 实测：去掉上下文条件化后，图像条件在视频生成中反而更强 — pixlpa · 2026-10-16
- 研究者吐槽：不少论文改动一堆，基线连行为克隆都不如 — retr0jirachi · 2026-10-16
- FrankenSim 用物理建模造虚拟管弦乐团，钢琴和鼓 demo 已上线 — doodlestein · 2026-10-16
- FoveaVLA 用学习式注视动作替代腕部相机,成功率升至 70.8% — Haoyu_Xiong_ · 2026-10-16
- ApolloPFN:原生融合外生变量的零样本时间序列预测网络 — burkov · 2026-10-16