← 主页 NO.187

第 187 期 · AGENT 工程 · 收录于 2026 年 8 月 21 日

持续学习:AI agent 如何越用越好——Arjun Karanam(Trajectory)

Arjun Karanam · Sequoia Capital

Agent 工程 AI 产品

视频 21:54 原文约 2.2 万字预计阅读 24 分钟来源视频 ↗ 中英对照全文

原平台热度 YouTube ↗

3.1万观看

315赞

1.0%点赞率

13评论

24.1万频道订阅

数据截至 8 月 27 日

TL;DR · 三句话

一模型每周都在变强，但只在 IQ 这一条轴上变强——「你跟它们对话的时候，总感觉它今天是上班第一天」。Arjun 的类比是：把 Terence Tao（当代最顶尖的数学家之一）扔进一家会计事务所，第一天他多半不是那儿最好的会计，可给他几年、甚至几天就会非常好——真正被低估的是与智力正交的那条「经验」轴，Trajectory 这家公司要填的就是这道 experience gap（经验鸿沟）。→ 详细
二经验其实早就在产生了，只是被扔掉了：此刻正有海量 token 被各家 agent 生成出来、人基于这些结果去行动，然后整批丢弃。把这批信号捞回来、变成 reward 和 spec 去更新系统，agent 才可能「每被用一次就强一点」，产品也才从「买来就定死」变成 systems that compound with use（随使用而复利的系统）。→ 详细
三他借《阿拉丁》的「四个愿望」给整个 agent 生态开了一张准入清单——trace 整棵树（含 sub agent）、eval 从真实流量里抽且在真实 harness 里打分、harness 从「防 agent 干蠢事」改成「摆好积木放手让它跑」、开始习惯在 open weights 上跑——过了这道水平线，continual learning 的指数效应才真正开始。→ 详细

世界观：模型只在 IQ 这一条轴上变强，可你每次跟它说话它都像"上班第一天"

他先摆立场，而且承认这不是什么惊人观点：「我们正活在人类历史上一个不可思议的时代。几乎每周都有新模型出来，一个把上一个甩在身后。模型越来越强，这没法否认。」——但紧接着是转折：它们变强只是在一个轴上，那就是 IQ。→ 详细
这一句是整场演讲的种子：「模型越来越聪明，可你跟它们对话的时候，总感觉它今天是上班第一天。」注意这里描述的不是能力不足，而是记忆与经验的清零——你昨天教过它的、上周它自己踩过的坑，今天全部归零重来。IQ 再高也补不上这个洞。→ 详细
今天的 agent 长什么样，他给了三个形容词加一句判词：「今天的 agent 依然慢、贵、容易出错，而且你把它部署上去之后，随着时间推移它基本不会变得更好。」——最后半句才是问题所在：软件行业默认「上线即定型」，但人不是这样工作的。→ 详细

Terence Tao 到会计事务所的第一天：经验是那条被低估的正交轴

类比的完整来龙去脉是这样的：他先说，「你口袋里揣着一个 Terence Tao，那当然很棒」——意思是今天的前沿模型确实相当于把一位天才装进了你手机。然后他把这个天才放到一个具体岗位上：「但 Terence Tao 到一家会计事务所上班的第一天，多半不会是那儿最好的会计。」→ 详细
关键的第二拍在时间尺度上：「可给他几年——说实话可能只要几天——他大概就会做得非常好了。」这半句是整个类比的支点：它同时承认了两件事——智力确实能极快地转化成能力，但那个转化必须发生在岗位上、必须靠真实经验来喂。你不能跳过这几天。→ 详细
由此引出公司的核心概念：「所以除了 IQ，还有一条正交的轴叫『经验』，我们认为它跟 IQ 配合起来的重要性被大大低估了。这就是我们说的 experience gap（经验鸿沟），也是我们这家公司想去填平的东西。」正交（orthogonal）在这里是数学上的说法，意思是这两条轴互不替代——沿 IQ 轴走得再远，也不会自动在经验轴上前进一步。→ 详细
他还给了一条方法论上的自辩：人也正是靠经验变强的，而「按 AI 圈的老传统——人类如果是这么干的，那多半是个不错的心智模型可以拿来借鉴」。这是在为整条技术路线找先验：不是因为算法可行才做，是因为人类学习的形状本来就长这样。→ 详细

经验早就在产生了，只是被整批扔掉：那些没人回收的 token

他问了一个很朴素的问题：经验从哪儿来？答案是——它已经在那儿了。「几亿这个数字都不够形容，此刻正有海量的 token（模型处理文字的最小单位，可以粗略理解成"字"）被这些 agent 生成出来。」这批东西的规模不是要去创造的，是每天已经在白白流走的。→ 详细
最扎心的一句是它们的去向：「你可能扫一眼，可能压根不看，然后它们就被扔掉了。但这些都是它们实实在在干的活儿，人们还基于这些结果去行动，然后就这么被丢掉了。」——注意"人们还基于这些结果去行动"这半句：它意味着这些输出已经通过了人的验收，这是最贵的一种标注，却没人存下来。→ 详细
公司的立场就架在这上面：同场讲者 Gabe 提到过 Trajectory「有观点、不中立」的定位，Arjun 自己把这个立场说白了——「这是信号，我们应该从中学习。」整家公司做的事，本质上是给这条每天在流走的信号装一套回收管道。→ 详细

learning agent 的两个好处：一个立刻兑现，一个才是真正想要的

立刻兑现的那个：「最直接的，是让你拿到更快、更好、更便宜的模型」——把大模型上学到的东西沉淀成你自己的小模型，三项指标一起改善。→ 详细
真正想要的那个：「更让人兴奋的是，它把你带向一个目标——系统会随使用而复利增长（systems that compound with use）。」复利这个词用得很准：不是线性变好，是每一次使用都在给下一次垫高起点。→ 详细

第一层 traceability：先把交互抓下来，否则后面全是空谈

起点是 traceability（可追溯性，即把 agent 每一步干了什么完整记录下来的能力）——他明确说这跟前一场 Harrison 讲的能接上：「我们得先把这些交互抓下来，把那些被丢掉的经验捕获住，这是第一步。」→ 详细

第二层 model spec：从交互里抽 reward，从 trace 里抽"你到底想要什么"

model spec 是他们的第二块拼图：「你需要有办法定义『我到底想让我的 agent 做什么』，然后让 agent 照着这个去学。」没有这份定义，你就算收集了一堆交互，也没有一把尺子告诉模型哪次算干得好。→ 详细
他们的研究方向是让这份 spec 自己长出来：「怎么从用户交互里抽出 reward（奖励信号，即告诉模型『这次做对了/做错了』的那个分数），怎么从 trace（轨迹，即 agent 一次完整运行的逐步回放）里抽出你到底想让 agent 做什么的精确 spec。」——方向是反的：不是人先写好规格再让 agent 遵守，而是从人实际怎么用、怎么纠正里，把规格倒推出来。→ 详细
他补了一句公司形态上的自我定位：「产品上做一个让 continual learning 成为可能的平台，但底下每一层我们都在做前沿研究」——每一块拼图背后都还是未解问题。→ 详细

最实用的一条判据：「这家公司已经退市了」不该训进模型，该进 harness 的 context

有了 spec 之后，学到的东西往哪儿放？他说有两个落点。第一个是模型本身：「我们在做 SDPO 这类算法的研究，用 RL（强化学习，靠给对错反馈让模型自己摸索出更好的做法）把这些完整的长 trace 吃进去，随时间把模型变好。」注意"长 trace"三个字——难点在于 agent 一次任务可能几十步，奖励却只在末尾出现，中间每一步该记功还是记过很难分。→ 详细
第二个落点是 harness（外壳／脚手架，即包在模型外面那层工程：工具、提示词、流程编排、上下文注入等）。他给的分流例子极其具体，也是全场最可以直接拿走的一条判据：「如果它是一条事实，比如『这家公司已经退市了』，你多半不想把这个知识训进模型里，它更像是应该提供给 harness 的 context（上下文，即每次运行时临时喂给模型的资料）。」→ 详细
这条判据背后的道理值得多说一句：训进模型的东西改起来极贵、还会污染其他能力；而事实是会变的（今天退市明天可能重新上市），会变的东西就该放在随时可换的那一层。反过来，"怎么把这件事做好"这种技能类的知识，才值得压进权重里。 这就是他后面在问答里展开的"事实 vs 技能"分流的雏形。→ 详细
整个产品闭环他串了一遍：真实交互 → 你想让 agent 在哪些地方变好的 spec → 更好的模型 → 更好的 harness → 立刻部署 → 继续跑起来产生新的真实交互。这是一个咬住自己尾巴的环，跑得越久圈数越多。→ 详细

《阿拉丁》的四个愿望：过了这道水平线，指数效应才开始

他用了一个很讨巧的框架来讲后半场：「假设我是《阿拉丁》里出来的，我有四个愿望，那我会许什么愿来让整个 agent 生态变好。」（他自己也吐槽了：「按惯例我应该只有三个愿望，但咱们就假设我有四个。」）→ 详细
框架背后有个门槛概念：「今天我们有 agent，中间隔着这么一道 gap，agent 得先到某条水平线，过了那条线我们才能真正看到 continual learning 的指数级效应。」——换句话说，这四个愿望不是锦上添花的最佳实践，是准入条件。四类分别对应：traceability、eval、harness、模型。→ 详细
他也先共情了一句：「如果你搭过 agent，你肯定知道每一个环节都有一堆会出错的地方，而且每一个都还是没解决的问题。」→ 详细

愿望一 · traceability：整棵树都要留，包括 sub agent；点赞点踩噪音大到没用

第一个小愿望是把树留全：「把整棵树都 trace 下来，包括 sub agent（子智能体，即主 agent 派出去干一小段活的下级 agent）。很多公司只 trace 主流程发生了什么，但把 tool call（工具调用，agent 去查资料/写数据库等动作）和 sub agent 全扔了，这就导致你很难从整件事里学到东西。」——只留主干等于只留结论，把推导过程全丢了，而要学的恰恰是推导过程。→ 详细
第二个小愿望他明说是这块最重要的：「你的产品设计本身就要围绕『怎么既捕获这些交互数据，又能引导出恰当分量的反馈』来做，这样你才捕得到。」注意这不是给数据工程师的要求，这是给产品经理的要求——反馈能不能收上来，取决于界面怎么设计，不取决于日志怎么打。→ 详细
然后他把最直觉的那个方案枪毙了：「我觉得第一层的想法是『行，加个点赞点踩，把它记下来』。理论上听着很美，但它噪音大得离谱。如果你用过任何编程 agent，你就知道你基本上是 agent 干啥你都点接受。」——这是个所有做 AI 产品的人都该记住的坑：用户的"同意"是廉价的，因为同意的成本低于检查的成本。→ 详细

真正的金矿是"纠正性行为"：五个 commit 之后那句"完蛋，得回滚"

他把点赞点踩为什么失效讲到了底：「然后要等到五个 commit 之后你才反应过来：完蛋，这把什么都搞坏了，我得回滚。」——问题不在用户懒，在于判断对错所需的时间，远长于给出评分所需的时间。当下那个赞是在信息不足时给的，所以它是噪音。→ 详细
所以有效信号换了个地方：「真正有价值的是那些纠正性行为——编辑、撤销、重试，这些既要从用户那儿引导出来，也要被捕获下来。」这三个动作的共同点是：它们发生在用户已经付出了检查成本之后，所以每一次都是带真金白银判断的标注，而且完全免费、不打扰任何人。→ 详细
"引导出来（elicit）"这个词值得单独拎出来：他反复用它，意思是产品要主动创造让人做出纠正动作的机会，而不是被动等着人来评分。一个能一键回滚、能局部编辑、能重试的界面，本身就是一台标注机器；一个只有"接受/拒绝"两个按钮的界面，什么都收不到。→ 详细

愿望二 · eval：产品环境、评测环境、训练环境应该是同一个东西

他给的心智模型极简：「你用户用的那个产品、你做 eval（evaluations，对 agent 输出好坏的自动化打分）的环境、你做训练的环境，三者要尽可能接近。理想世界里它们就是同一个东西，中间没有任何差别。」——三个环境每差一点，你评出来的分就离用户的真实体验远一点。→ 详细
由此推出 eval 该从哪来：「eval 应该是从真实流量里抽出来的——人们现在实际怎么用你的产品，以及他们在能力边界上提的那些当下还做不到的需求，这些都特别有用。」后半句是个反直觉的宝藏：你的产品做不到的那些请求，不是失败日志，是下一版的路线图。→ 详细
第二点是一个硬骨头：「让每个任务都能 rollout（重放/回放，即把用户做过的那一整趟重新跑一遍）。这是个挺大的基础设施挑战，但核心想法是：用户做过一件事，我能不能把他做过的这件事重放一遍？」没有重放能力，你就没法在改动之后验证"这次是不是比上次好"。→ 详细
第三点跟第一点扣在一起：「要在真实的 harness 里打分，不要另做一个 harness 的变体，就用生产环境里大家真正在用的那个 harness 来评。」——一旦评测跑在一个"为了好评测而简化过"的外壳里，分数就成了自我安慰。→ 详细

愿望三 · harness：你的脚手架多半是为一年半前的模型搭的，现在该"放手让 agent 跑"

这一段是全场对做 agent 工程的人最有杀伤力的一条：「我觉得这里能用的心智模型是：很多产品的 harness 是围绕一年到一年半前的模型搭的，那时候 harness 的主要职责是防止 agent 干蠢事。在 agent 会随机崩掉、输出格式乱套的年代，这么做非常对。但现在我们已经明确进入了『放手让 agent 去跑（let the agents cook）』的时代。」→ 详细
注意他的措辞有多克制也有多锋利：他没说那些脚手架当初是错的——「这么做非常对」——他说的是它们的前提条件已经过期了。这是两种完全不同的批评：前者让人辩解，后者让人去查日期。任何一层防呆设计，都该标注它是为哪一版模型的哪种毛病写的。→ 详细
他给出的替代范式是"从规定流程改为提供积木"：「搭 harness 不该是去规定必须走哪些固定流程，而是想清楚你的产品有哪些 primitive（原语，可以理解成最小的能力积木——搜索工具也好，私有信息也好），然后把 agent 看成是在编排这些 primitive，放手让它去编排。」→ 详细
这条为什么跟 continual learning 强相关：固定流程等于把人的经验硬编码进外壳，模型永远学不到它——因为那部分决策根本没轮到模型做。只有让 agent 自己去编排，它的选择才会留在 trace 里，才有东西可学、可改进。流程写得越死，可学习的表面积越小。→ 详细

harness 的另两条：agent 接口对齐用户界面 + tool 返回别只回一句"done"

第一条他说这也是他们自己产品的做法：「让 agent 的接口尽可能贴近用户界面。理想情况下，我在你 UI 上能做的每一件事，你的 agent 都能通过 tool call 做到。我觉得那样的世界会让训练和 continual learning 容易太多了。」——道理是：只有当人和 agent 走同一套动作集，人的操作记录才能直接当成 agent 的示范数据；两边接口不对齐，人的经验就翻译不过去。→ 详细
第二条他自称"比较小"，但其实杀伤力不小：「让 tool 的返回足够有信息量。」他描述了那个常见毛病——「我们经常看到的是，这个 tool call 返回的就是一句『done』『finished』。理论上听着挺好，可从 agent 的视角看，这简直一头雾水。」→ 详细
后果他讲得很直接：「如果你想拿这个去训练、去学，那压根没有信号可学。你根本不知道实际写进去了什么，也不知道实际读到了什么。」——一句"done"看起来省事，实际上是把这一步从可学习的历史里删掉了。写工具返回值的时候，你的读者不是运维，是三个月后要拿这条记录去训练的那个自己。→ 详细

愿望四 · 模型：open weights 是"拥有权重"的钥匙，但门后还有五十件事

「我真希望事情简单到『换个 open weight（开放权重模型，即参数公开、可以自己下载来跑和继续训练的模型）』就行，但如果你试过，你多半发现后面还有另外五十件事要考虑：从安全到合规，再到各种权限配置。」→ 详细
他的建议是先把肌肉练上：「开始习惯在 open weights 上跑吧，因为那才是打开『拥有自己的权重』这扇门的钥匙，然后你才能在上面持续改进。」——闭源 API 你调得再好，也没法把经验沉淀成自己的资产。→ 详细
另一条是接同场讲者 Gabe 的：model router（模型路由器，即按任务难度自动决定这一步该派哪个模型上）「很可能会扮演相当重要的角色，把智能路由到任务真正需要的那种能力上」，所以「多拿 router 做实验」也是他许下的愿望之一。→ 详细

落地时的现实：先做一次四块审计，同时研究"你什么都没有"该怎么办

「我们跟公司合作时，第一件事往往是把这几块做一次盘点（audit），看看现状在哪儿。大多数情况下，要做到这个程度还有很多活要干。」他还开玩笑：「要是哪天我们走进一家公司，发现这些他们都已经搭好了，那就是我的梦想了。」→ 详细
他们的研究刻意建立在"指望不上"的前提上：「假设一家公司完全没有 eval，我们怎么绕过去？假设 traceability 根本没开，我们怎么从现有的那点信号里学？」——这是很清醒的产品判断：如果你的方案只对已经做对了一切的公司有效，那它没有市场。→ 详细

产品与信念："拥有自己的智能"不该是花钱请咨询公司做掉的东西

这是他们最核心的信念，也是产品形态的由来：「『拥有自己的智能』这件事，不应该是那种你花钱请咨询公司帮你做掉的东西，它应该是你自己长出来的专业能力，因为它对你的产品太重要了。」——所以他们做的是产品和 beta，不是驻场服务。→ 详细
产品截图现场演示了几样东西：法律 AI 公司 Harvey 的场景、Gabe 提到过的那个 lab benchmark（实验室基准测试集），导入都很方便；他还顺口漏了一句「哦，那是我的邮箱」，以及提到本来说好晚点才给 Nico 看，「所以这算提前剧透」。→ 详细
他们对界面最自豪的地方是把旋钮藏起来了：「如果你做过 post-training（后训练，即在一个已经练好的通用模型上再针对你的场景继续训练）你就知道，有五千万个地方会出问题，五千万个旋钮要调，全靠所谓的『研究员直觉』（注册商标，随便你怎么理解）。」他们的做法是把研究员的整套经验沉淀下来，用一个 agent 在后台替你调掉绝大部分旋钮，只暴露你真正需要知道的那几个。→ 详细
他给了一个很具体的操作量数字：训练、看表现、评测、对比、判断是不是比原来的模型好、部署——「真正要你投入的操作量，不算等模型训完的时间，大概也就 15 分钟。」结尾落在公司的一句话目标上：「让每一家公司都拥有自己的经验层（experience layer）。」→ 详细

团队与客户：三个最好的朋友 + 两位坐在台下的前沿客户

团队三人：Arjun Karanam 本人（此前在 Apple，做过隐私相关的问题）；Ronak（联合创始人，当天也在现场，此前在 Windsurf，训练过 SWE-1 编程模型）；Michael（此前在 DeepMind 做机器人）。他说最好玩的第一是使命本身，「第二好玩的是，我能跟我两个最好的朋友一起做这件事」。→ 详细
客户构成他强调了一句：「我们在和最前沿的客户合作，其中两位今天也在现场，就是那些真正在把 agent 在生产环境里的能力边界往前推的人。」——对这类研究型创业公司来说，客户名单本身就是研发环境。→ 详细
主持人开场时给的定位是：Trajectory 两位联合创始人「在做一堆很有意思的研究，围绕的是我认为当下最热的话题之一——continual learning」。→ 详细

现场问答（四问）

演讲后半程是现场 Q&A，四个问题一个比一个具体，答案含金量不低于正片。

问题一 · 模型权重、harness、工具、应用层，这几个"可训练对象"你们怎么排优先级？

他先讲了这个领域的现状：「有句挺好玩的话：你去问六个研究员什么是 continual learning，大概会得到七个答案。」有人会特别较真地说「它必须像人一样，只有权重在实时地、一次性地更新才算」。→ 详细
他们的答案是：别排优先级，因为这个问题本身就该被抽象掉。「你产品所依赖的那个智能是一个系统，这个系统有很多组件，真正的 continual learning 是能在整个系统层面做优化的东西——根据你要学的这条信息，判断系统的哪个部分该被更新。」→ 详细
他用的类比是存储：「今天我们已经不会去想这份数据该存在内存的哪儿、硬盘的哪儿了，那一层已经被抽象掉了，系统会按最合理的方式安排。我们看待模型、harness、context 也该是同一回事。」→ 详细
最后落在一句判断上：「现在这样，在几乎没有先验的情况下，让人去决定该更新什么、依据什么更新，感觉就是不对的。这是个可以被解决的科学问题，那我们就把它解掉，然后把它抽象走。」→ 详细

问题二 · 今天好几位讲者都说别拿客户数据训练，那 differential privacy 你们怎么解？

提问者把矛盾点说得很清楚：continual learning 很大一部分就是从真实交互里学，可大多数应用层公司跟客户之间都签了专门的数据使用协议，这让直接拿客户数据训练几乎不可能。这里的 differential privacy（差分隐私，一种让数据用得上、但反推不出具体某个人信息的技术） 是这类问题的通称。→ 详细
他先亮了自己的资历：「完全同意，这是个极其重要的问题。其实我来做这件事之前在 Apple，我们当时也在这个问题上花了不少功夫。」→ 详细
具体做法是"学分布，不学数据"，分三步：① 从客户数据里采样出分布（也就是只提取统计层面的形状，不带走具体内容）；② 自己合成生成一批数据；③ 用类似密码学的那套思路去比对两边的分布，判断合成出来的这批数据是不是落在真实分布上。「但全程都没有直接拿客户数据做训练。」→ 详细
他说这块「有很多有意思的工作，而且非常核心」，跟现有客户已经在做尝试来绕过这个限制。→ 详细

问题三（Sid，来自 Finch）· episodic memory 算不算 continual learning？用户纠正了 agent，该怎么更新它的行为？

提问原话很具体：「我觉得 episodic memory（情景记忆，即记住"上次那件事是怎么处理的"这种一次性经历）在 continual learning 里多少也起了作用。比如用户在我们平台上做了个动作，纠正了 agent 之前的做法，我们可能就想据此更新 agent 的行为。Trajectory 在产品层面对这件事有没有比较明确的主张？」Arjun 当场把问题复述给现场：「不同类型的反馈，会怎么影响模型最终学到的东西？」→ 详细
第一种切法：按"信号里含不含正确答案"分两类。
- 只知道"出错了"的：「比如有人对着 agent 一顿喷，说『你太烂了』，但后面没有任何补充；或者只点了个踩；或者干脆退出会话不玩了。这些情况下你知道出了问题，但不知道对的应该长什么样。」
- 带着正确答案的：「agent 重试了一遍，最后拿到了正确的解；或者你直接纠正它，告诉它正确的应该是什么。」
- 两者处理方式完全不同：「后一种情况里，我们对该给这个输出打多少 reward 非常有把握；前一种我们只知道要惩罚这个行为，但说不出正确答案是什么。」→ 详细
第二种切法：按"这条信息对谁成立"分层级。
- 全局成立的 → 训进模型：「比如调某个工具时 tool call 反复失败——这多半对所有人都适用，这种就该训进模型里，让模型把这个工具用得更熟。」
- 单个用户的偏好 → 交给 context：「但如果某个用户说『我永远不想用 sub agent，求你千万别用』——这个大概率就不该训进模型，交给 context 处理就行。」→ 详细
- 他特别兴奋的是这个层级还能再细分：「这正是 Harvey 刚才讲的那类东西：它很可能是落在每个组织的层面上，甚至再细一层，落在每个客户的层面上。」→ 详细

问题四 · 什么形状的问题才真需要 continual learning？什么时候静态模型 + 往 context 里塞资料就够了？

提问者把今天全场的另一条主线接了过来：产品里有些环节你愿意多做实验、用更便宜的方案、多用开源；另一些地方站在前沿、用闭源模型更划算。那延伸到 continual learning——什么时候它是真的关键，什么时候一个静态训练好的模型加上 harness 注入 context 就已经够用了？→ 详细
他的第一层答案：「大部分任务其实都适合上 continual learning，但我最兴奋的是那些正好处在能力边界（frontier）上的任务。」→ 详细
他给了一个关于用户期待的心智模型，这段是全场最有洞察的一块：「人们向模型、向产品提要求时，是按自己以为这产品能做到什么来提的。偶尔他们会往产品做不到的边界上试一下，然后看到它失败、或者做错了，就缩回去了——『哦，还是不够好，这事儿用不了它』。」——用户的期待值是被失败经验校准的，而且校准之后很久不会再试第二次。→ 详细
他拿自己用 Cursor 举了例：「两年前我会想到把今天丢给 Cursor（AI 编程工具）的那些离谱 query 打进去吗？绝对不会，那时我的预期比现在低得多。但随着模型越来越好，我慢慢就那么用了，心想『行，好像可以干越来越大的事了』。」→ 详细
最后是新旧两条路径的对比，也是他给 continual learning 的最终定义：以前是「模型整体在变强，我们再有针对性地往某些方向推」；而在客户那儿看到的新链路是——「用户提了个要求，模型勉强能做，然后在训练过程中它把这件事学会了，于是用户现在能做成一件他以前做不成的事。这条链路才是 continual learning 真正让人兴奋的地方——根据用户试过但没成的那些事，实实在在地把可能性的边界往外推。」→ 详细

收尾

主持人：「太棒了。谢谢你，Arjun。时间差不多到了，非常感谢你今天来讲这些，真的很精彩。」全场掌声。→ 详细

接着读

NO.186 · Agent 工程构建并组织一家 AI 原生公司 Tom Blomfield · 18 分钟 NO.185 · Agent 工程 2026 年的上下文工程——Towards AI Louis Bouchard · 32 分钟