هارنس بازگشتی برای یادگیری پیوسته‌ی ایجنت: بازخورد هر نمونه بازتاب‌های قبلی را هم اصلاح می‌کند
ایجنت‌های مدل زبانی بیشتر روی جریان‌های طولانی تعامل کار می‌کنند و باید با یادگیری پیوسته به‌طور آنلاین با تغییر توزیع سازگار شوند. هارنس‌های موجود یا وضعیتشان را فقط با جریان رو به جلوی اطلاعات تکامل می‌دهند یا برای بهینه‌سازی به داده‌ی بازپخش یا اعتبارسنجی ا
اسکلیت: بستری برای آموزش و ارزیابی ایجنت‌های یادگیری پیوسته در افق‌های چندجلسه‌ای
ایجنت‌های یادگیری پیوسته سیستم‌هایی از مدل، هارنس و حافظه‌اند که در افق‌های طولانی چندجلسه‌ای کار می‌کنند. ارزیابی و آموزششان نیاز دارد تسک‌ها با رویدادهای سمت ایجنت مثل توقف و شروع جلسه، کارهای زمان‌بندی‌شده و یکپارچه‌سازی حافظه درهم اجرا شوند. اما بنچمارک‌ها