En grupp ledd av Jinluan Yang publicerade en ny artikel på arXiv den 16 oktober 2026. Den visar att agenter som tränats för att förbättra både sin policy och en färdighetsbank blir sköra om färdighetsbanken ändras senare. Författarna föreslår en ny utvärderingsmetod, CO‑evolution Drift Audit (CODA), som simulerar förändringar i färdighetsbanken och mäter konsekvens och motståndskraft. I fyra metoder och fem benchmarktester visar CODA att framgångsgraden i värsta fall sjunker med 5–13 procentenheter, vilket raderar merparten av agenternas försprång jämfört med en baslinje utan färdigheter.
Varför det spelar roll
De som driftsätter AI-agenter behöver testa deras motståndskraft mot förändringar i färdighetsbanken, inte bara deras topprestanda.
