长周期 Agent 依赖记忆，15 大模型管理足球队 20 年测试
dair_ai · x · 2026-08-30
一项研究通过让 LLM Agent 管理一家足球俱乐部 20 个赛季（约 340-400 个决策点），来测试长期任务中的记忆与规划能力。
核心结论：
- 所有 15 个前沿模型都存活了整个周期，而基于脚本的基线大多失败。
- 模型规模、价格、厂商或 token 消耗量无法预测排名，排名在运行后期才稳定下来。
- 顶尖模型表现出特定的管理行为：在周期末减少回报慢的投资，并在截止日期前很久开启合同续约。
- 两个普遍失败点：没有模型能从数百次被拒绝的报价中学习市场价格隐藏信息；自我管理的记忆也会失效。
这项研究表明记忆/召回是打破长周期 Agent 任务瓶颈的关键。
「研究」频道最新
- 从勒让德变换的规范自由度看凸分析分层:一张图理清 F、Γ₀ 到信息几何 — FrnkNlsn · 2026-10-15
- 日本 Humanitext 获 Schmidt Sciences HAVI 资助 81.7 万美元 — SebastianNehrd2 · 2026-10-15
- SemEval 2027 新任务:跨四语种检测针对 LGBTQIA+ 群体的刻板印象与仇恨言论 — debora_nozza · 2026-10-15
- RLVR 微调致解空间坍缩，加入 replay 缓冲可保多样性并提升 pass@8 — manoelribeiro · 2026-10-15
- ModeBench 揭示 RLVR 让 LLM 只会一种解法，Re:Max 训练法可保解法多样性 — manoelribeiro · 2026-10-15
- NYU 团队推出 SCOOP：用策略协调循环让 LLM 学会真正探索 — jaseweston · 2026-10-15