MetaExp：跨任务环境扩展训练经验学习能力

2026年10月16日，arXiv Artificial Intelligence 收录 Renhao Li 等作者的论文，提出 MetaExp 框架，用于训练语言模型智能体的可迁移经验学习能力。该框架通过具有受控跨任务结构的可验证任务家族进行训练，在 1,000 个任务家族的 4,956 条交互轨迹上微调 Qwen3.5-122B-A10B。据该报道，在下游演化过程中参数保持冻结的情况下，MetaExp 在 SpreadsheetBench 上提升 8.5 分，在 APEX-Agents 上最高提升 2.3 分，在 AutomationBench 上提升 14.8 分；且在排除领域训练的条件下增益依然存在，作者据此认为经验学习是一种可迁移能力，支持部署后持续的非参数化改进。目前该工作处于论文发布阶段，后续进展有待跟进。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。