연구진은 모델 파라미터 외에 프롬프트, 메모리, 도구, 스킬, 라우팅 규칙 등 하니스(harness)를 통해 지속적으로 학습하는 새로운 패러다임인 하니스 지속적 학습(HCL)을 제안했어요.
HCL은 모델을 고정하고 하니스를 진화시켜 이전 행동을 유지하면서 새로운 행동을 학습하는 방식으로, 하니스 수준의 망각(forgetting)을 정의합니다.
텍스트 추론, 다중 모드 인식, 개방형 세계 상호 작용 실험에서 10% 이상의 성능 향상을 보였으며, 각 하니스 구성 요소의 기여도를 평가하고 안정성-가소성 균형을 조절할 수 있음을 확인했어요.