Meta超级智能实验室提出"智能体可塑性"：按每美元学习收益衡量自我改进模型
Meta Superintelligence Labs的研究人员提出"agent plasticity"指标，在模型权重冻结、每次运行从全新上下文开始的条件下，衡量智能体在留出任务上每美元学习投入的得分增益。研究发现，表现最好的模型往往与学习效率最高的模型不同：在国际象棋、围棋和Hex中，Claude Fable 5取得最高最终得分，而GPT-5.6 Sol的单位美元增益最大；在NetHack中，仅Claude Opus 5.5显著提升66个归一化点，学习成本约1073美元。研究还发现，学习较慢的智能体常忽略自己已写下的产物，而学习更快的智能体会复用这些产物，但产物质量低时仍会失败。