北大等发布首个具身持续学习基准EmbodiedCLBench

2026年10月12日，北京大学、BIGAI 与香港大学联合发布 EmbodiedCLBench，报道称这是首个在具身仿真环境中评估自演化 Agent 持续学习能力的基准。该基准以组合泛化为核心：Agent 先学习基础任务，再通过重组已有技能去解决未见的复杂任务。评估结果显示，在零样本条件下，高级任务几乎无法被解决；基础任务上的经验能带来一致的性能提升，且这种提升在任务复杂度增加时仍保持稳定；但提升幅度并不随学习样本数量的增加而相应扩大。目前该基准与代码已开源。

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。