arXiv · cs.AI· Yixu Huang, Jiaqi W. Ma·· 1 天前
RIKA通过证据驱动知识准入提升持续学习智能体可靠性
Reliable Knowledge Acquisition for Continual Learning Agents
arXiv:2610.21739v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yixu Huang, Jiaqi W. Ma
研究任务与主要进展
Yixu Huang和Jiaqi W. Ma提出RIKA，通过分层提取事实、概念、程序和元认知知识，并依据来源证据与后续经验决定哪些主张进入智能体上下文，从而改善持续学习。摘要称，代表性系统复用条目中约有12%—33%会损害后续任务表现，而RIKA无需额外验证任务，在Continual Learning Bench的6个任务流和4个模型骨干上均取得最高综合得分。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org