SCLATE:智能体持续学习训练与评估新基座
SCLATE 提出了一种用于智能体持续学习的执行基座,通过开放事件调度器和混合模拟时钟解决长周期多会话任务的评估难题。该框架允许基准测试和未修改的智能体共享时间线,将月度场景压缩至小时级,并支持对任意智能体进行无侵入式记录与后训练。实验表明,经 SCLATE 后训练的 Qwen3.5-4B 在 SWE-bench Verified 上的通过率提升 16.7 分,同时显著优化了记忆读写效率。
报道正文
持续学习智能体是由模型、执行框架(harness)和记忆系统组成的系统,能够在跨越多个会话的长周期内运行。评估和训练这类智能体需要将任务与智能体侧的事件(如会话启停、定时任务 cron 和记忆整合)交错调度。然而,现有的基准测试和训练框架仅调度基准测试自身的事件,导致每个“基准-智能体”组合都需要构建自定义的调度循环。我们提出了 SCLATE,一种执行底层架构,允许基准测试和未经修改的智能体通过适配器将各自的事件添加到同一个开放事件调度器中。SCLATE 采用混合模拟时钟在共享时间线上运行这些事件:当智能体工作时以实时速度推进,而在空闲间隙则快速跳过,从而将长达一个月的场景压缩至数小时内完成。此外,SCLATE 还可作为 rollout 引擎,直接运行任何智能体的执行框架和记忆系统而无需修改代码,并通过容器内的代理记录每次模型调用的 token 数量及对数概率。我们将七个基准测试移植到 SCLATE 上,并在十种模型上对十种未经修改的执行框架与记忆配置进行了头对头比较。结果显示,额外添加的记忆系统并不总能优于执行框架原生的记忆机制,且不同模型在使用相同的执行框架和记忆系统时表现差异显著。随后,我们在未修改的执行框架和记忆系统下对 Qwen3.5-4B 进行了后训练。该模型学会了同时利用两者:文件读取行数减少了 6.8 倍,SWE-bench Verified 通过率提高了 16.7 个百分点,并生成了更丰富的记忆记录;同时,其在保留集上的 MetaClaw 准确率最高提升了 11.8 个百分点。