Sakana AI研究员：记忆增强对长任务智能体至关重要，但需策略

AI Engineer · youtube · 2026-08-12

Sakana AI 的 Stefania Druga 在演讲中分享了关于长时运行研究智能体记忆增强的实验。她发现，当所有信息都在上下文窗口内时，添加记忆增强没有帮助，反而增加成本；但在长时任务中，记忆增强至关重要。她提出了记忆作为写入-管理-读取控制循环的框架，并比较了不同召回策略：无召回、向量RAG、决策账本和oracle。在68个xbench问题上，排名账本策略表现最佳，甚至优于oracle，因为即使给模型正确的记忆，它也不一定会使用。她还强调了坏记忆代价高昂，并提到在本地M3 Ultra上运行实验。