Continual-ARC 基准:主流 agent 均无法从经验中学习,9B 小模型微调反而做到
alifcoder · x · 2026-11-12
Unify AI 发布新基准 Continual-ARC,检验 agent 能否从已完成的工作中持续学习,而非只看当下任务能力。测试结果:OpenClaw、Hermes Agent、Prime Agent 等主流 agent 都没能有效从经验中学习——既无法记住有价值的信息,也无法泛化到新任务。相比之下,对一个小型 9B 模型的权重进行训练,同时实现了记忆与泛化。
这暗示当前 agent 框架的「完成任务能力」与「从经验变聪明」是两回事,权重层面的持续学习可能才是突破口。
所属事件:Continual-ARC 基准：主流 Agent 无法从经验学习(12 条相关)→
「编程与Agent」频道最新
- 科研用 Codex 别无脑拉满:按任务选 Luna/Terra/Sol/Astra 与推理档位 — udmrzn · 2026-11-12
- 一张图讲清 Agentic Search:模型写下的查询到底被谁看到 — adnan_hashmi · 2026-11-12
- 黑客松项目让 AI Agent 花公司钱，但需 CFO Face ID 签批限额 — kleffew94 · 2026-11-12
- Salesforce 工程师：企业 agent 落地瓶颈不是模型，而是上下文 — msrivastav13 · 2026-11-12
- Salesforce Winter '27 推出 AiAgentDefinition 简化 Agent 元数据管理 — msrivastav13 · 2026-11-12
- 一人用 Tripo+Fable+自研引擎做出丧尸群像关卡 — gdechichi · 2026-11-12