Skip to content
Hot eventLive

ReLiveGym：评估长期智能体在数周重放现实中的表现

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026-10-02，arXiv 发布 ReLiveGym 评估环境，让智能体在模拟数周的时间线上对真实新闻、市场和社交媒体流执行稀疏动作。实验覆盖八个基础语言模型，考察模型选择与 harness 设计对长期任务性能的影响，并评估从 hindsight 反馈中持续学习对失败模式的改善作用。

Generated from reports · updated 2 hr ago

LatestOct 2
ReLiveGym 评估框架发布，实验覆盖八种基础模型并考察 harness 设计与持续学习的影响。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Artificial Intelligence
    ReLiveGym：评估长期智能体在数周重放现实中的表现

    ReLiveGym 是一个诊断评估环境，让智能体在模拟数周的时间线上对真实新闻、市场和社交媒体流进行稀疏动作。实验覆盖八个基础语言模型，考察模型选择与 harness 设计对长期任务性能的影响，并评估了从 hindsight 反馈中持续学习对失败模式的改善作用。

Heat trend

There is not enough continuous observation data to draw a trend yet.