HERD：持续学习框架提出

Xun Sun 等作者提交论文，提出混合持续学习框架 HERD（Harness-Evolving Recursive Distillation）：在 harness 侧持续精炼技能并保留技能未能覆盖的高残差样本，在参数侧用双锚点做漂移约束蒸馏，把经验内化为累积能力。 在 TRACE+17 的 25 阶段任务流上、固定内存与算力预算下，作者报告 HERD 的新任务获取能力追平最强参数化基线，同时遗忘最少、通用能力保持最强。上述效果为论文作者的说法。

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。