ReLiveGym：长生命周期智能体评测环境
原文标题：ReLiveGym: Evaluating Long-Lived Agents over Weeks of Replayed Reality
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文推出 ReLiveGym，一个在数周时间轴上按时间顺序回放真实新闻、市场与社交媒体流的长时任务诊断环境，考察智能体稀疏行动与动态适应能力。对八种基座模型的测试表明，何时行动是关键设计轴，且最优设计随任务与模型而异。
- 问题
- 现有长时智能体评测假设环境静态，无法考察数周尺度上何时行动与动态适应。
- 方法
- 按时间顺序回放真实新闻、市场与社交流，模拟数周时间轴，让智能体稀疏行动并测试八种基座模型与harness设计。
- 结果
- 八种基座模型上，何时行动成为关键设计轴，最优设计随任务与模型变化。
- 影响
- 做长期监控类智能体的团队需要重新审视行动时机机制与反馈学习，而非只换模型。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ReLiveGym按时间顺序回放数周真实新闻、市场与社交流，测试八种基座模型，发现「何时行动」是关键设计轴。
- •在模拟数周时间轴上按时间顺序回放真实新闻、市场与社交媒体流
- •任务覆盖不同时间敏感度、推理强度与重复频率，考察稀疏行动与动态适应
- •测试八种基座模型，发现如何决定何时行动是长生命周期任务的重要harness设计轴
- •最优设计随任务变化，有时也随模型选择变化
- •还评估了从事后反馈中持续学习对性能与失败模式的影响
为什么重要：现有长程智能体评测多用静态环境，无法反映时间演化；ReLiveGym补上这一诊断缺口，对做持久监控类智能体的团队有参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。