ACLArena：多階段後訓練中的持續學習框架
為何重要
這項研究直接解決了 Agent 後續迭代訓練時特有的「災難性遺忘」問題，填補了工業部署中關於代理持續學習的技術空白。 提出結合 replay 與 LoRA 路由的混合訓練策略，為開發者提供了一個具體且具體效能的代理架構藍圖，有助於加快實際產品開發。 從研究層面重點聚焦於 agent tasks 而非標準語言模型，意義在於顯示出 Agent 技術正在往「經濟且可維護」的方向演進。
為解決工業級通用代理在整合多重能力時的資料流失與遷移難題，研究者推出 ACLArena 框架來建立標準化的 ACL 研究與評測。
該框架深入探討模型層面與 Token 層面的遺忘與泛化機制，並系統性地比較三種不同方法的效能：多師線上蒸餾、自蒸餾微調與模型合併。
透過結合高品質軌跡的離線 Replay 與由 RL 特化路由的多 LoRA 專家網路，研究者提出了新的 ACL 食譜，顯著改善了代理的跨領域學習能力。
研究在四項推理與代理任務上，針對內域與外域情境進行了廣泛實驗，驗證瞭解決方案的有效性。