核心要点速览
- Unify创始人Daniel Lenton在X上公布了Continual-ARC的结果
- OpenClaw、Hermes Agent与Prime Agent既未展现有用记忆,也未展现泛化
- Daniel Lenton表示,对9B小模型进行权重训练同时实现了记忆与泛化
Unify创始人Daniel Lenton在X上抛出的验证
YC出身的Unify(@letsunifyai)创始人Daniel Lenton(@DanielLenton1)于2026年11月11日在X上公布了Continual-ARC的结果。官方网站为 https://unify.ai 。
该帖(https://x.com/DanielLenton1/status/2120535187587268777)约获得129万次浏览,并记录了1463次点赞、1125次收藏、527次转发。
出处[1]
在Continual-ARC上并列的记忆与泛化结果
Unify新公布的Continual-ARC,是一项衡量从经验中留下什么、以及如何推广到未知任务的评测。Lenton把现有智能体的运用方式,与小规模模型的权重更新放到了同一个擂台上。
出处[1]
积累经验与改动权重之间的断裂
这一对比之所以引发讨论,在于它用基准测试否定了“只要积累历史,智能体就会变聪明”的预期。依靠提示词或外部记忆的运用方式无法通过Continual-ARC,只有直接更新参数的一方同时满足了两项条件。它所追问的不是单次答对,而是经验能否沉淀,以及能否被带到未知任务上。
出处[1]
X(推特)首发原帖
可在 X 上直接查看创作者发布的原帖与互动详情。




