CMU 提出记忆写入 RL 配方：Qwen3.5-4B 持续学习比肩 GPT-5.4

卡内基梅隆大学 Aviral Kumar 团队提出记忆写入 RL 配方，训练 Qwen3.5-4B 在持续学习任务中比肩 GPT-5.4。该方法让 agent 交替执行 ACT 与 WRITE，显式学习写入有利于后续任务的记忆；在 Continual Learning Bench 上，其持续学习增益超过 GPT-5.4、Claude Opus 4.7、Claude Code 和 Codex。