伯克利研究称Agent定期遗忘记忆可大幅提升探索优化效果

UC Berkeley 博士生 Shangyin Tan 等人在与 Stanford、Bespoke Labs 合作的论文《Scaling Discovery Requires Forgetting》中提出「遗忘即探索」的观点：智能体在长周期研究与优化任务中记忆过多会导致停滞，而定期清空记忆反而有助于继续探索。实验显示该机制可使成绩最高提升 39%。作者还做客 Weaviate 播客第 149 期，进一步讨论了 Scaling Discovery 与遗忘机制的关系。

2026-11-01 ~ 2026-11-02 · 3 条相关

• UC Berkeley 论文：让 Agent 定期清空记忆，成绩最高提升 39% — alexcovo_eth · 2026-11-01
• 伯克利博士生提出「遗忘即探索」：agent 记太多会停滞优化 — CShorten30 · 2026-11-02

另有 1 条近重复转述:CShorten30