为什么有些智能体无法自我改进?低复用率与失败定位给出线索
anirudhg9119 · x · 2026-10-09
同一论文作者的核心结论:学习产物复用率低的智能体收益确实弱,但复用率高达 94–98% 的智能体提升幅度也差异巨大;强提升者 83–99% 的剩余失败发生在 artifact 正在使用的过程中。作者还提出 Agent Plasticity 指标(单位学习成本的 held-out 性能提升),指出能力与学习效率是两回事。详见同帖串的 arXiv 论文条目。
所属事件:Agent Plasticity 新指标发布：最强智能体未必最会学习(11 条相关)→
「研究」频道最新
- 自动驾驶一线经验沉淀：半监督学习“炼金术”长文 — Visual_Ability · 2026-10-09
- RLVR 被指忽视「求所有最小解」类问题:新方法找到解数量翻倍 — thoma_gu · 2026-10-09
- 有人辟谣：AI并未解决千禧年难题Navier-Stokes，Lean证明偷换概念 — gerardsans · 2026-10-09
- 新开源基准3JSBench：前沿模型能解千禧难题却建不好3D物体 — ycombinator · 2026-10-09
- Moonworks 发布 Lunara:扩散混合 Transformer 主打艺术审美,人类盲评全场最高 — paper-crow · 2026-10-09
- 实测 ChatGPT 与 Gemini 引用偏好：巴西本地域名占比达 41.4% — gaganghotra_ · 2026-10-09