Agent Plasticity 指标发布:能力最强不等于学习效率最高
anirudhg9119 · x · 2026-10-09
论文核心主张帖:在 Chess、Go、Hex 三个环境中,某一模型达到最高拟合性能,而另一模型是学习效率最高者。Agent Plasticity 定义为单位学习成本带来的 held-out 性能提升,测至饱和。结论:能力 ≠ 学习效率。详见帖串中含 arXiv 摘要的主条目。
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