Continual-ARC：用 ARC-AGI 三代任务流测试智能体的终身学习能力

Continual-ARC 是一个基于 ARC-AGI 三代版本构建的终身学习基准，任务不含领域知识，会以休眠间隔后返回新实例，同时持续加入新任务。每个实例上，学习者可以付费获取演示、提交答案或在 harness 内操作，错误提交会消耗反馈预算，最终按预算消耗比例计分。由于学习者可以在实例间保留任意记忆或权重，记忆型与权重型系统首次在同一尺度上比较。 流结束后，学习者被冻结，用见过的任务的新实例测记忆、用未见过的新任务测泛化。实验在 Qwen3.5-9B 和 GLM-5.3 Flash 上运行带/不带持久记忆的 agent harness，与两个提示基线、程序归纳法，以及用 Qwen3.5-9B 模仿 GLM-5.3 Flash 的权重训练对比。结果显示，harness 持久记忆在缺乏专家指引时几乎不改善记忆；多数 harness 方法学习效果甚至低于简单缓存每个任务演示的基线。没有 harness 方法在未见任务上获得增益，而权重型学习有显著提升。