EBR-bench 研究：AI 在长程任务中缺乏人类式持续学习能力
Jsevillamol · x · 2026-08-29
Epoch AI 的研究通过复杂长程桌面游戏 Earthborne Rangers 及其基准 EBR-bench，对比了人类与 AI 的持续学习能力。
- 人类表现：人类玩家起点较低，但通过经验积累，最佳玩家在约 5 次游玩后能掌握游戏。
- AI 表现：所有被评估的 AI 模型均未能达到人类的掌握水平，未能展现出随经验显著改进的能力。
- 结论：这提供了证据表明，AI 的持续学习（Continual Learning）问题尚未得到解决，AI 在类似人类的学习曲线和长程任务适应上仍存在显著差距。
所属事件:Epoch AI 研究称 AI 缺乏人类式持续学习能力(2 条相关)→
「研究」频道最新
- 强模型给弱模型搭脚手架：不训练小模型，准确率近乎翻倍 — 机器之心 · 2026-08-30
- 周末资源：从第一性原理推导位置编码 — zainhas · 2026-08-30
- COLM 论文用梯度归因揭示 LLM 能力来源 — ziv_ravid · 2026-08-30
- Toby Ord 论文指递归自我改进受物理限制 — Exponential View (Azeem Azhar) · 2026-08-30
- Fable 与 Sol 形式化验证文献，首次找出论文可修复错误 — Sauers_ · 2026-08-30
- Mark Schmidt 发布 ICML 教程视频：数值优化理论在 2026 年还重要吗 — MarkSchmidtUBC · 2026-08-30