提出被动模仿局部修复与技能获取框架

2026年10月14日，arXiv Artificial Intelligence 刊出 Kai Hu、Hua Huang 的研究，将被动模仿（PI）形式化为一个架构循环：定位被违反的契约、提取局部目标、提出效果匹配的技能、测试小补丁，并在全任务验证后保留证据。在十个模拟工具世界中，PI 用三次允许的小试验解决了全部 600 个冷启动留出组合任务，而整轨迹对照仅 6.17%；同等表达力的组合修复对照与 PI 相当。在未见过的工具修订上，PI 成功率为 70.0%，无小试验为 24.0%，自试验枚举为 79.0%；随后一个探索性的 24 任务适应流将首次提交成功率提升至 100%，作者据此认为这支持一种有限的纠正与保留机制，而非独特的激励优势或通用智能。该实现为纯 CPU，附完整性检查与可复现结果。

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。