新基准 Continual-ARC：主流 Agent 几乎无法从经验中学习
Med1_Ai · x · 2026-11-11
Unify.ai 团队发布新基准 Continual-ARC，测试 AI Agent 能否从持续的真实任务经验中学习。结论相当泼冷水：
- OpenClaw、Hermes Agent、Prime Agent 均无法从经验中进行有价值的记忆，也无法泛化到新任务
- 作为对照，对一个 9B 小模型做权重训练 却同时实现了记忆与泛化
发帖者指出自己一个月内大量任务其实是重复的，理论上最该被 Agent「学会」，但现有 Agent 架构做不到——凸显持续学习是当前 Agent 的核心短板。
所属事件:Continual-ARC 基准：主流 Agent 学不会经验，微调 9B 模型反而可以(11 条相关)→
「编程与Agent」频道最新
- 美联航将禁止个人AI代理代客预订机票 — Polymarket · 2026-11-12
- Agentic Search 图解：4 次搜索的循环成本约为单次搜索的 5 倍 — adnan_hashmi · 2026-11-12
- AWS 自曝：AWS Emulator 每行代码均由自主 AI Agent 编写 — SumitGup · 2026-11-12
- freeCodeCamp 上线 2 小时 Codex 智能体编码免费课 — adnan_hashmi · 2026-11-12
- 被严重低估的资源：跨模型跨厂商的工具调用可靠性实测 — ricklamers · 2026-11-12
- 整理 5.5 万数据点的教训:企业级 Agent 数据准备远比想象更难 — BenBajarin · 2026-11-12