Today for AI
返回热点榜
agent热度 15.5°

AI 聚合热点事件 · 2026/11/9

伯克利等机构发现智能体自改脚手架会丢失已解任务

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/9 18:56:54
全景综述与最新动态
1 家信源交叉印证

加州大学伯克利分校等机构的新论文发现，让智能体自行改写提示词、技能、工具或代码以提升基准分数，会掩盖其丢失原本已解决任务的问题。研究用 4 种进化方法、GPT-5.4 在 2 套脚手架与 2 个基准上测试，16 个进化后智能体全部有得有失，其中一个可靠性提升 5.2 分却丢掉 10 个原有任务，11 个更可靠的智能体中有 8 个单次运行成本上升。作者建议评估时同时追踪丢失任务、运行成本与未见任务表现，而非只看平均分。

最新动向/加州大学伯克利分校等机构的新论文发现，让智能体自行改写提示词、技能、工具或代码以提升基准分数，会掩盖其丢失原本已解决任务的问题。研究用 4 种进化方法、GPT-5.4 在 2 套脚手架与 2 个基准上测试，16 个进化后智能体全部有得有失，其中一个可靠性提升 5.2 分却丢掉 10 个原有任务，11 个更可靠的智能体中有 8 个单次运行成本上升。作者建议评估时同时追踪丢失任务、运行成本与未见任务表现，而非只看平均分。

逐小时热度走势

8 个完整观测小时
当前
15.5
峰值
17.719:00
近 24h 变化
–

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

报道时间线

共 1 篇 · 最新优先
  1. Rohan Paul (@rohanpaul_ai)T2·78 分

    伯克利等机构发现智能体自改脚手架会丢失已解任务

    原标题：New University of California, Berkeley+other top labs paper finds that agents that rewrite their own...

    • 16 个进化后智能体全部出现任务有得有失，平均分掩盖了丢失的已解决任务
    • 一个智能体可靠性提升 5.2 分却丢失 10 个原有任务，11 个更可靠者中 8 个运行成本上升
    • 评估智能体进化应追踪丢失任务、单次成本与未见任务表现，而非仅看平均分