Continual-ARC：用 ARC-AGI 三代任务流测试智能体的终身学习能力
这个基准把记忆型和权重型学习放进同一条 ARC-AGI 任务流里打分，结论挺扎心：单纯加记忆的 agent harness 还不如缓存演示的笨基线，泛化还是得靠改权重。做长期记忆和智能体框架的人应该看看，它给了可复现的评测管线。
这个基准把记忆型和权重型学习放进同一条 ARC-AGI 任务流里打分，结论挺扎心：单纯加记忆的 agent harness 还不如缓存演示的笨基线，泛化还是得靠改权重。做长期记忆和智能体框架的人应该看看，它给了可复现的评测管线。