Agent从演示到生产落差明显，持续学习成行业新焦点
Agent越用越聪明是下一场竞赛的关键，持续学习正从概念变成产品。
办公Agent正快速进入企业工位，但模型部署后参数冻结，无法从运行中变强。智谱、Core Automation、Oak Lab等纷纷押注持续学习，创业公司Pyromind将Agent后训练产品化，用AutoRL打通任务反馈到模型更新的闭环。
正文摘录
.25.21.png) 编辑｜Panda 最近，办公 Agent 真是火。 飞书 Aily、WorkBuddy、千问办公轮番上阵，挤破头想要抢占企业办公入口，AI Agent 正以前所未有的速度走进真实工位。写周报、跑数据、处理工单、盯流程……越来越多重复性的办公任务，开始被交到 Agent 手里。热闹背后，一个更根本的问题却容易被忽略：这些每天准时「上班」、反复干着同一类活儿的 Agent，真的会因为干得多而变得更好用吗？ 答案往往是不会。而这，正指向了眼下 AI 圈另一个热爆了的话题：持续学习。 再强的基座，训练结束、参数冻结、进入部署后，就停止了成长。但 AI 界显然不打算让模型永远停在「毕业」那一刻，让模型像人一样「活到老学到老」正在成为整个行业最烫手的话题。 比如智谱在 GLM-5.2 的规划里明确表示，下一步要攻克的关键技术包括记忆、持续学习和自我评判。年初从 OpenAI 离职的推理模型大佬 Jerry Tworek 离职后便很快创立 Core Automation，直接剑指持续学习。就连图灵奖得主、强化学习之父 Richard Sutton 近日也亲自下场创业，成立 Oak Lab，致力于建立能从自身经验中持续学习和进化的 AI。持续学习，正从少数人的探索演变成行业共识。