基准
CL-Bench
用于评估持续学习能力的基准任务集合，包含多个子任务，常被用于测试智能体的经验积累与复用能力
时间轴 (近 90 天)
10月30日
研究团队在一个异构任务流上评估了 Routed CL，该流交错包含来自六个 CL-Bench 任务的301个实例，以及来自 τ³-Bench 的97个银行领域实例；实验覆盖四种语言模型，并进行了五次匹配的 rollout。
待验证50%
用于评估持续学习能力的基准任务集合，包含多个子任务，常被用于测试智能体的经验积累与复用能力
研究团队在一个异构任务流上评估了 Routed CL，该流交错包含来自六个 CL-Bench 任务的301个实例，以及来自 τ³-Bench 的97个银行领域实例；实验覆盖四种语言模型，并进行了五次匹配的 rollout。