「学会发明的网络」论文：用任务经验训练专家智能体，迁移误差降 26.3 倍

Vincent Boucher 的论文《The Network That Learns to Invent》提出一套可执行的「科学接力」系统：高难度任务完成后产出可复用的数值组件，经有界 Gym 练习发展表示，再用新任务检验可迁移性并结合成本核算决定是否保留。实测中，新迁移任务的平均原始逼近误差降低 26.3 倍；作者坦承该改进未达原始输出的验收要求，也未证明共享有利可图。