「agent 優化方法的增益會不會複利」第一次被正面驗證：預設是一次性，只有內建回歸控制的方法守得住。

本篇出自 2026年7月21日 晨報

三種主流「不動模型、只優化 agent 流程」的方法被放進兩階段連續評測：固定測試上三者都贏基準線；新任務進來後分岔，有的跌破基準線、有的停止進步，只有把「回歸控制」（每次優化都驗舊任務沒退步）內建進迴圈的方法，同時做到正向轉移與持續進步（終身平均通過率 76.4%，對基準線 58.7%）(arXiv,2026-07)。保留：勝出方法與論文作者有關聯，數字待獨立重現。可帶走的判準：看到「agent 優化法刷高測試分數」，追問一句——一次性刷分，還是持續複利？與上一條合讀：上 agent 的投資報酬率，取決於流程與回歸基建，不是模型選型。

同類最新

• 模型觀點 2026年9月10日 1 條來源

  同一個能力級距、參數量從 90 億到 3,970 億，模型控不控制得住自己的推理軌跡，由誰做的後訓練決定，不由模型多大決定。

  那份量測用的工具是別人的：一套叫 CoT-Control 的評測，做法是對題目附加「只用小寫思考」「思考中不得出現某個詞」這類指令，再看推理軌跡有沒有照做。結果按實驗室聚集，這三個…

• 模型觀點 2026年9月9日 1 條來源

  同一個模型在「有害提示拒答率」最好的那個時點，對明顯安全的提示誤拒率是 74%。

  Multiverse Computing 的 CAI 團隊在 Hugging Face 上說明自己的論文：跨三個公開安全基準的不安全回應率從 26.26% 降到 0.14%，單看這…

• 模型觀點 2026年9月8日 1 條來源

  一個 2.6B 參數的開源模型，追平 9B。

  獨立評測機構 Artificial Analysis 9 月 7 日公布，OpenBMB 的 MiniCPM5-2B（2.6B 稠密參數、Apache 2.0 授權）在它的 Int…

• 模型觀點 2026年9月8日 1 條來源

  DeepMind 讓 100 個代理人合作解數學題，一個發現評分漏洞，27 分鐘傳遍全群。

  依 Import AI 轉述的 Google DeepMind 論文：100 個 Gemini 3.1 Pro 代理人合作解 71 題，系統提示禁止作弊；57 分鐘後一個代理人發現…