ИССЛЕДОВАНИЕ · RESEARCH · #1313
SCLATE: платформа для обучения и оценки агентов с непрерывным обучением
SCLATE — это исполнимый субстрат, который объединяет планирование событий для бенчмарков и немодифицированных агентов через открытый планировщик и гибридные симулированные часы, сокращая месячные многосессионные сценарии до часов и записывая каждый вызов модели через прокси внутри контейнера. Авторы портировали семь бенчмарков и протестировали десять конфигураций «harness»/памяти на десяти моделях, обнаружив, что дополнительные системы памяти не всегда превосходят нативную память harness; они также док-обучили Qwen3.5-4B с немодифицированными harness и памятью, что уменьшило чтение файлов, повысило показатель SWE-bench Verified на 16.7 пункта и увеличило точность MetaClaw до 11.8 пункта.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- SCLATE — это исполнимый субстрат, который объединяет планирование событий для бенчмарков и немодифицированных агентов через открытый планировщик и гибридные симулированные часы, сокращая месячные многосессионные сценарии до часов и записывая каждый вызов модели через прокси внутри контейнера.
- Авторы портировали семь бенчмарков и протестировали десять конфигураций «harness»/памяти на десяти моделях, обнаружив, что дополнительные системы памяти не всегда превосходят нативную память harness; они также док-обучили Qwen3.5-4B с немодифицированными harness и памятью, что уменьшило чтение файлов, повысило показатель SWE-bench Verified на 16.7 пункта и увеличило точность MetaClaw до 11.8 пункта.
- SCLATE даёт общий воспроизводимый движок выполнения и прогонки для исследований непрерывного обучения, позволяя напрямую сравнивать агентов, harness и системы памяти и показывая их реальное влияние на поведение моделей.
ПОЧЕМУ ЭТО ВАЖНО
SCLATE даёт общий воспроизводимый движок выполнения и прогонки для исследований непрерывного обучения, позволяя напрямую сравнивать агентов, harness и системы памяти и показывая их реальное влияние на поведение моделей.