AGENTCL：迈向语言智能体持续学习的严谨评估

语言智能体在单任务推理中耗时巨大，但往往未能有效利用过往经验。现有基准难以严谨评估智能体的持续学习能力，常局限于长上下文检索或依赖缺乏跨任务关联分析的简单任务流。本文提出 AgentCL 评估框架，通过构建可复用子解决方案的组合式任务流，对比简单任务流，以量化迁移增益。研究利用该基准评估非参数记忆设计，并开发 MemProbe 探针方法诊断记忆巩固过程中的经验过滤机制。实验表明，受控任务流能更清晰地区分记忆设计的可塑性，揭示了当前设计在平衡可塑性与稳定复用方面的不足。