UCL 提出教程视频学习 TAL：零参数更新让 LLM 智能体持续进化
UniversityCollegeLondon · hf · 2026-11-03
UCL 团队提出 Tutorial Agentic Learning（TAL），一种非参数持续学习范式，让 LLM 智能体从教学视频中持续学习而无需更新参数：
- 将教程视频整合为结构化的 tutorialbook 记忆，通过两阶段对抗过程挖掘困难的视频接地问题并据此精炼记忆
- 推理时经目录树（TOC tree）检索，把检索与模型推理绑定而非依赖嵌入相似度
- 配套发布 VidLearn 基准：由 72 个国际象棋教程视频（覆盖 12 种开局）构建的多模态 QA 基准
- TAL 在 VidLearn 上超越所有基线，随视频增多单调提升，训练/测试集相对 vanilla MLLM 分别提升最高 113% 和 91%；真实对局中 69% 的对局开局阶段占优
结果表明教学视频是免参数更新的智能体持续学习的可扩展资源。
「研究」频道最新
- 在 LLM 内部模拟 GPU 训练神经网络：XOR 任务 40 步从 53% 到 98.8% — zeeshanp_ · 2026-11-03
- QLink 核心洞察：一个模型的 store 就是对另一个模型的合法内存写 — zeeshanp_ · 2026-11-03
- 4 个 QwenGPU 集合通信结果与真实 NCCL 逐位一致 — zeeshanp_ · 2026-11-03
- 神操作：把 GPU 编译进 Qwen 权重，用模型解码跑 CUDA 内核 — zeeshanp_ · 2026-11-03
- BLAIR 基准评测 11 个 LLM 做推荐编码器,并开源 571M 条亚马逊评论数据集 — burkov · 2026-11-03
- UT Austin 等五校联合发布 LLM 驱动的智能体图形学综述 — UTEXAS · 2026-11-03