Continual-ARC:终身任务流测智能体技能习得,多数 harness 不敌简单缓存
unifyai · hf · 2026-11-16
Unify 团队提出 Continual-ARC,把三个版本的 ARC-AGI 拼成终身任务流:任务在沉寂间隙后回归(测记忆),新任务持续到来(测泛化),学习者在每个实例上有反馈预算,可购买示例、提交答案或操作 harness。
- 同一量表下比较基于记忆(harness)与基于权重(持续学习)两类系统。
- 在 Qwen3.5-9B 与 GLM-5.3 Flash 上的冻结权重实验显示:harness 的持久化很少真正提升记忆,多数 harness 方法跑不过简单的缓存;基于权重的学习泛化更好。
「编程与Agent」频道最新
- 1000 个 Agent 写 60 万行 Python:无权重聊天机器人打平 SmolLM — lvwerra · 2026-11-16
- WebArena-Pro 发布:300 任务 20 应用多模态 Web Agent 基准 — xhluca · 2026-11-16
- 本周自改进 agent 论文扎堆:多数涨的是刷榜能力而非真实任务 — TheTuringPost · 2026-11-16
- 1000 个 agent 协作一周写出 63 万行 Python 聊天机器人,零参数零训练 — _lewtun · 2026-11-16
- 11 个 AI agent + 1 个人:单人内容公司月入 3 万美元的完整打法 — VibeMarketer_ · 2026-11-16
- Hugging Face 发布 3D 生成模型 TRELLIS.2 微调完全指南 — ariG23498 · 2026-11-16