研究者提出HaMo长程持续学习框架

Zhen Bi等研究者提出HaMo，一个结合快速非参数经验积累与慢速参数适应的Harness-Model协同框架。该框架将轨迹蒸馏为策略级经验卡片供即时检索，并用经验条件持续学习目标训练模型理解与执行检索到的策略。 作者称，实验显示HaMo在域内与跨域迁移下均优于仅harness和仅模型适应方案，同时提升保持与适应能力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。