對我來說，@AnthropicAI 的 "代理技能" 宣布令人興奮的地方在於，它提供了一個邁向持續學習的步驟。 - 代理與世界互動時，可以不斷添加新技能，而不是不斷更新模型權重。 - 用於推理的計算可以發揮雙重作用，生成新技能（目前進行推理的工作在任務執行後大多被丟棄）。 我想像大量的知識和技能將儲存在模型的權重之外。隨著時間的推移，將這些知識提煉成模型權重似乎是自然的，但對我來說，那部分似乎不那麼根本。 將知識儲存在模型之外有很多好處 - 它是可解釋的（只需瀏覽技能即可） - 你可以糾正錯誤（技能/知識是明文的，因此容易更新） - 應該是高度數據高效的（就像上下文學習是數據高效的一樣）