热点事件持续更新
GRADUS：从环境潜在课程中发现与回收Agent经验
1 篇报道1 个报道来源21 小时前更新
先了解这件事
AI 综述
2026年10月20日，arXiv cs.AI/cs.LG 刊出论文 GRADUS，提出把固定环境本身当作一份“潜在课程”：不依赖种子任务，先从环境中提取受约束的行为算子，再组合成难度递增的任务序列；同时把验证从最终筛选环节改为持续回收信号，用于积累 Agent 经验。论文报告，一个 30B 模型在 τ²-Bench 上由 59% 升至 89%，在 CAR-Bench 上由 47% 升至 83%，两项基准的任务由 Opus 4.5 生成。同一报道还给出改用开源 Qwen3-235B 生成任务的结果：两项分数分别为 76% 和 62%。目前该工作仅有论文发布这一进展，尚无复现或第三方评测消息。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 15:47
GRADUS 论文登陆 arXiv：30B 模型 τ²-Bench 升至 89%、CAR-Bench 升至 83%。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv cs.AI / cs.LG 最新GRADUS：从环境潜在课程中发现并回收 Agent 经验
Gradus 把固定环境当作“潜在课程”，无需种子任务即可提取受约束的行为算子，再组合成难度递增的任务，并将验证从终筛变成回收信号。该方法使 30B 模型在 τ²-Bench 上从 59% 升至 89%，在 CAR-Bench 上从 47% 升至 83%（由 Opus 4.5 出题）。改用开源 Qwen3-235B 出题时，这两个分数分别为 76% 和 62%。
本事件热度走势
当前热度 6·可比范围峰值 6（10月21日 10:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。