61.3%！「人类最后一场考试」AI终于及格了，揭秘Agent自我进化新路径

背景：AI在复杂推理任务如“人类最后一场考试”（HLE）中表现不佳，传统方法如微调和检索增强生成（RAG）存在成本高、灾难性遗忘或检索噪声等问题。研究目的：上海交通大学等团队提出MemRL框架，旨在通过非参数化的运行时强化学习，让AI在不调整模型参数的情况下，从经验中动态学习并提升推理能力。结论：MemRL在多项基准测试中显著提升性能，如在HLE上准确率达到61.3%，并具备迁移学习和稳定性，避免了灾难性遗忘，为终身学习Agent提供了新路径。