字节Seed团队推出超长程评测集EdgeBench，专注衡量智能体真实世界持续学习能力。该基准覆盖六大领域，含134个真实任务，每个任务要求智能体完成多步交互，并动态适应环境变化，为长期自主学习研究提供量化参考。
7月2日，开源强化学习基础设施项目AReaL发布2.0版，旨在打通基础模型训练与智能体应用间的链路，为Agent场景提供强化学习训练支撑。2.0版面向真实业务，提供持续学习基础设施，可记录、整理Agent在任务中的交互过程并接入后续训练流程，让智能体在使用中持续进化。
2026年谷歌I/O大会发布“Gemini Spark”全时在线AI代理平台，由Gemini 3.5 Flash模型驱动，依托谷歌云虚拟机运行。该平台能在用户关闭设备后持续后台执行邮件撰写、学习指南生成、账单监控等任务，实现跨平台生态整合，重新定义智能助手标准。
MiniMax发布全球首个云端沙箱MaxHermes，基于Hermes Agent构建。其核心在于自我进化能力，通过独特的学习闭环机制，在完成任务后自动提炼可复用技能，并依据反馈持续改进，实现“越聊越懂你”的深度交互，彻底告别传统AI能力固定与手动配置的局限。
AI助手，提升网站交互体验。
AI驱动的笔记和持续视频，提升学习效率。
深度学习算法与大模型面试指南，持续更新的面试题目集合。
Bytedance
$1.2
Input tokens/M
$3.6
Output tokens/M
4
Context Length
Deepseek
$4
$16
32
Iflytek
$2
-
Openai
$14
$56
200
Alibaba
$1.6
128
$525
$1050
$1
8
Baichuan
Baidu
64
$105
$420
$21
$84
Tencent
QuantFactory
MachineLearningLM-7B-v1是基于Qwen/Qwen2.5-7B-Instruct在数百万合成表格机器学习任务上持续预训练的大语言模型，专门针对表格分类任务优化，支持8到1024个示例的少样本上下文学习。
adaptive-classifier
自适应分类器是一个支持持续学习和动态添加类别的文本分类模型，基于ModernBERT-base架构构建，能够在不重新训练的情况下适应新的类别和示例。
自适应分类器是一个支持持续学习和动态添加类别的文本分类模型，基于ModernBERT-base构建，能够在不重新训练的情况下适应新的类别和数据。
自适应分类器是一个支持持续学习和动态添加类别的文本分类模型，基于ModernBERT-base架构构建，能够不断更新模型以适应新数据，灵活应对不同的分类需求。
WenchuanZhang
Patho-R1-7B是一款专门针对病理学领域设计的多模态推理模型，通过三阶段训练管道（持续预训练、监督微调、强化学习）来增强病理诊断理解能力，能够有效处理高分辨率病理图像和复杂诊断推理任务。
支持持续学习和动态类别扩展的文本分类模型
apple
TiC-CLIP是基于TiC-DataComp-Yearly数据集训练的视觉语言模型，采用持续学习策略保持模型与最新数据同步
TiC-CLIP是基于OpenCLIP改进的视觉语言模型，专注于时间持续学习，训练数据涵盖2014至2022年
ingeol
KoSaul-8B是基于Open-ko-llama3-8B模型通过持续学习训练而成的韩语大语言模型，专注于法律和医疗领域的专业应用。
MTSAIR
一个通过前沿训练方法开发的实验性AI模型，专注于持续学习和知识吸收能力的优化
LR-AI-Labs
基于LLaMA2-7B专为越南语优化的对话模型，通过持续自监督学习和监督微调增强越南语能力
NiiCole
基于TimeSformer架构的视频分类模型，在Kinetics-400数据集上预训练并在UCF101数据集上微调，采用LoRA技术进行持续学习。
Suprit
仲景是首个基于中文医学LLaMA的大语言模型，实现了从持续预训练、监督微调到基于人类反馈的强化学习的全流程训练，专门针对中文医学领域进行优化。
nghuyong
ERNIE 2.0是百度于2019年提出的持续预训练框架，通过持续的多任务学习逐步构建和优化预训练任务。在多项任务中表现优于BERT和XLNet。
ERNIE 2.0是百度提出的持续预训练框架，通过多任务学习优化预训练任务，在多项中英文任务上超越BERT和XLNet。
MCP-KG-Memory是一个基于知识图谱的长期记忆层MCP服务器，旨在解决AI编程助手的上下文遗忘问题。它通过Neo4j持久化存储项目目标、约束、策略和用户偏好，实现语义检索和主动学习，让AI助手拥有持续的记忆和上下文感知能力。
Tempera是一个为Claude Code提供持久记忆的系统，通过捕获编码会话、语义搜索和强化学习，让AI能从历史经验中学习并持续改进。
Brain-MCP是一个为AI提供完整记忆管理系统的MCP服务，模拟人类思维过程，支持短期记忆缓存、长期记忆关联存储和思维链管理，实现AI的持续学习和经验积累。
MCP接口连接Claude的思考循环系统，实现对话间持续后台思考处理，包含模式识别、记忆管理和跨会话学习功能。
结构化思维是一个模块化系统，通过预定义的认知框架帮助用户解决复杂问题，提供模板化思考、验证思维等功能，并支持持续学习和适应。
该项目提供基于ReasoningBank闭环学习的智能规划和目标执行代理系统，支持动态规划、自适应重规划和持续学习改进，适用于复杂多步骤任务部署场景
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
