Do Agent Optimizers Compound? A Continual-Learning Evaluation on Terminal-Bench 2.0

论文质疑 agent optimizer 的常见报告方式：固定 benchmark 上一次优化后的提升，不等于部署中遇到新任务、新失败时收益会递归累积。它基于 Terminal-Bench 2.0 设计 continual-learning 评测，观察优化器在连续失败反馈下是否 compound。这个问题直接影响 agent 训练后维护策略，因为不能累积的优化更像一次性补丁。