BiPA 重审技能优化器：增益仅 0.1 分

Jiawei Zhou 等作者发布论文，提出 BiPA 评估方法，用来检验通用技能优化器是否真能提升智能体任务表现。BiPA 让优化器对与种子完全相同的候选重放接受规则，以测量仅靠选择本身能报告出多少效果。 在三个优化器、三个智能体基准和两个模型上，学到的技能成功率与手写种子基本持平，平均仅高 0.1 分；开发集上的增益在测试集上消失。 BiPA 还把每个回合记录为回合与其所读文本的二分图，用于把额外输入 token 追溯到对应行为。

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。