新基准测试 LLM 智能体能否复用技能

研究人员推出了 ContinualSkillBench，这是一个动态评测框架，用于考察五个领域中的上下文内持续技能学习，每个领域包含 100 个相互关联的子任务。该基准发现，按顺序执行任务通常能提升表现，但提升幅度会因模型和领域而异；平均来看，上下文内学习的效果与显式维护技能相当。相关 arXiv 研究还考察了结构化技能检索、流式自我进化可靠性，以及面向长周期智能体强化学习的可追踪记忆等瓶颈。