Skyfall AI opublikowała MORPHEUS, nową platformę benchmarkową dedykowaną continualnemu reinforcement learning, która fundamentalnie różni się od istniejących rozwiązań. Główna różnica to utrzymywanie stanu środowiska między epizodami - większość dotychczasowych benchmarków resetowała świat po każdym kroku, podczas gdy MORPHEUS symuluje rzeczywisty świat biznesowy, gdzie przeszłe decyzje mają wpływ na przyszłą dynamikę systemu.
Platforma opiera się na Big World Hypothesis, koncepcji sugerującej, że złożoność otoczenia zawsze przewyższa zdolności reprezentacyjne agenta. MORPHEUS wymusza ciągłe uczenie się poprzez trzy cechy: persistencję (decyzje wpływają na przyszłość), non-stationarity (żadna stała polityka nie pozostaje optymalnym na zawsze) oraz operational complexity (brak możliwości znalezienia doskonałej stałej strategii). Każde środowisko zbudowane jest jako niezależny plugin TypeScript, który definiuje Operational Descriptors - szczegółowe plany wykonania dla poszczególnych operacji.
Non-stationarity generowana jest przez dwa mechanizmy. Pierwszy to silnik injection awarii, który wstrzykuje jedenaście typów zaburzeń między kroki symulacji: missing_data, dependency_failure, rate_limit i inne. Drugi to asynchroniczne procesy współbieżne, które tworzą dynamicznie zmieniające się warunki. Zaburzenia mogą działać na czterech poziomach intensywności: light (5 procent), realistic (8 procent), moderate (15 procent) i aggressive (30 procent). To podejście zmienia paradygmat testowania agentów AI - zamiast osiągać wysokie wyniki na benchmarkach ze resetem, systemy muszą wykazać rzeczywistą zdolność do radzenia sobie w zmieniającym się, niestabilnym środowisku.