Continual-ARC 基准:主流 Agent 均无法从经验中持续学习
hey_abusiddik · x · 2026-11-12
Unify.ai 发布新基准 Continual-ARC,测试结果相当扎心:OpenClaw、Hermes Agent 和 Prime Agent 都无法从经验中进行有意义的记忆和泛化——记不住任何有价值的东西,也无法泛化到新任务。相比之下,对一个 9B 小模型做权重训练反而同时实现了记忆与泛化。发帖人借此指出:大多数人在工作中每天都得向 AI 重新解释一遍上下文,真正能从你的工作中学习的助手每周能省下数小时。
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