MIT×Meta 发布 ReHarness:让 Agent 用后续结果回头修订旧记忆

MIT 与 Meta 合作的新论文《Recurrent Harness for Agentic Continual Learning》(ReHarness,arXiv:2610.12668)提出了一种循环式框架,让智能体在保存并复用过去任务笔记的基础上,能够利用后续任务的结果回头修正旧笔记,实现持续学习。研究发现,Agent 记忆在写好后几乎不再更新的静态方式效果有限,而这种后续结果驱动的修订机制能显著提升记忆质量。

2026-11-13 ~ 2026-11-13 · 2 条相关