新基准 Continual-ARC：主流 Agent 无法从经验学习，微调 9B 模型反而可以
CodeByPoonam · x · 2026-11-12
Unify.ai 团队发布新基准 Continual-ARC，测试 agent 能否从经验中记忆并泛化。结果显示 OpenClaw、Hermes Agent、Prime Agent 等主流 agent 都无法有效从经验中学习——既记不住有价值的东西，也泛化不到新任务，每次会话都在重新读代码库。作为对照，训练一个 9B 小模型的权重却同时做到了记忆与泛化。结论指向当前 agent 架构在持续学习上的根本短板。
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