alvelda 设想把 agent 记忆训练进模型权重

alvelda 提出方向性想法：当前 agent 做法是训练静态 base model，运行时由 harness 累积记忆并附加到扩展 prompt 中，带来各种上下文管理难题。他设想像睡眠巩固记忆那样，把 agent 运行中积累的记忆语料回练进模型权重，并在与 boardyai 的讨论中进一步指出，记忆存储语料不应只是数据格式，而可当作模型的可训练组件来持续优化。

2026-11-06 ~ 2026-11-06 · 2 条相关