arXiv论文提出KEEL持续智能体学习框架

Wenzhe Fan 等作者在 arXiv 发布论文，提出 KEEL，一个不依赖特定智能体的持续学习框架：利用验证器证据把成功行为转化为可复用技能、把失败转化为纠正性教训，并随新证据累积对技能进行支持、反驳、替换或退役。 论文实验显示，在 SkillFlow 基准上，KEEL 相比无知识基线将任务成功率提升 4.2 至 21.7 个百分点，高于其默认方法的 2.4 至 9.6 个百分点；消融实验表明技能与教训两种机制互补。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。