「学会发明的网络」论文：迁移误差降26.3倍

2026年10月28日，AGI Hunt 报道了 Vincent Boucher 的论文《The Network That Learns to Invent》。论文提出一套可执行的「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，迁移到新任务时，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。目前仅有该篇报道，尚无独立复现或同行评议信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。