AgentOdyssey：開放式長程文字遊戲，給 AI 練「持續學習」

一篇論文提出 AgentOdyssey，把「文字遊戲」當成訓練與考驗 AI 代理的試煉場。它的設計是開放式、長程（long-horizon）的文字遊戲生成——也就是自動產出一連串沒有固定終點、需要長時間連續決策的文字冒險，讓 AI 代理在裡頭一路闖關。重點放在「測試時持續學習」（test-time continual learning）：一般模型訓練完就定型，面對沒見過的新狀況只能硬套舊知識；AgentOdyssey 想逼代理在實際遊玩、面對沒玩過的關卡時，邊玩邊調整、持續累積適應力，而不是一招用到底。用文字遊戲當載體有它的巧妙——文字遊戲規則彈性、狀態複雜、又不需要昂貴的實體或視覺模擬，是測試代理長程規劃與適應能力相對省成本的沙盒。把這條跟 Import AI 那則「自我改進的機器人」並讀，會發現「讓 AI 在過程中自己變強」正成為跨研究線的共同關鍵字——不論是實體機器人還是文字代理，大家都在攻同一道題：怎麼讓模型不要學完就定格。論文成色仍待社群驗證，方向值得追。