微软提出 EvoLib：让大模型在推理中自我进化知识
Microsoft Research · rss · 2026-07-31
微软研究院发表论文并开源了 EvoLib 框架，旨在让大语言模型在不更新底层参数、无需人工标注的情况下，于推理阶段从自身经验中持续学习。
核心机制
- 知识转化：将历史尝试提炼为可复用的技能或反思性见解，而非单纯堆砌原始记忆。
- 动态进化：通过合并机制将新旧知识整合为更通用的规则；基于长期贡献度动态调整知识权重，淘汰无效记忆。
实验效果
在数学推理、受限制的代码编写以及长线决策任务中，EvoLib 的表现持续优于传统的检索式记忆方法，且对算力的利用效率更高。此外，该框架对任务出场的先后顺序具有极强的鲁棒性，能够从容应对真实场景中高度混杂的用户请求流。
「编程与Agent」频道最新
- 开源工具：AI 自动看 YouTube 生成小红书图文 — yangyi · 2026-10-16
- GitHub 用 AI 把 Copilot 运行时重写为 80 万行 Rust,CPU 内存降 90% — bibryam · 2026-10-16
- Demo 之外的真坑:Reddit 讨论企业 AI 落地最难的一公里 — djgoel123 · 2026-10-16
- DeepMind 推出 Antigravity for Science,单次会话筛出新型抗菌肽 — pushmeet · 2026-10-16
- 让 Claude 写计划、Codex 来审：双模型互查工作流实操 — theteknosaur · 2026-10-16
- NPCTalk 让 GTA V NPC 可实时对话:开源方案可移植任意游戏 — ChocolateDull8971 · 2026-10-16