Meta 新研究：用 RL 训练 Agent 决策何时使用记忆
rohanpaul_ai · x · 2026-08-24
Meta 提出名为 EvoHarness-RL 的新方法，旨在解决长时程 Agent 因任务过长而遗忘状态的问题。
核心发现： 单纯给 Agent 增加记忆和工具是不够的，关键在于训练它何时值得使用外部状态。EvoHarness-RL 通过强化学习让策略模型学会在“调用外部状态（信念、进度、经验）”与“节省交互步数”之间做权衡。
实验效果：
- 在 ALFWorld 任务上，Qwen3-8B 配合 ReAct 仅得 47.9%；使用 EvoHarness-RL 后提升至 96.9%（已见任务）和 86.6%（未见任务）。
- 在训练过程中，随着成功率的提升，外部状态的调用频率逐渐下降至每轮约 1 次，表明常规行为已内化到模型权重中，仅在关键时刻才查阅外部记忆。
结论： Agent 构建者不应硬编码频繁访问，而应训练策略来决定何时查询和更新记忆。
所属事件:Meta 新研究：用强化学习教 Agent 决策何时调用记忆(2 条相关)→
「编程与Agent」频道最新
- 开发者 vibe coding 出开源 Newsletter 平台,价格仅 Beehiiv 的 17% — marclou · 2026-10-15
- ERP AI 推出 Proto：让 AI agent 替你操作商业软件的'无头 SaaS' — Aiden_Tech_Ai · 2026-10-15
- 工程师主管必读清单:别让 Agent 摘要取代深度阅读 — rseroter · 2026-10-15
- ElevenLabs MCP + Claude Motion:一句提示词给视频加动效,跳过 AE — CurieuxExplorer · 2026-10-15
- 打包 1.5 万美元系统：用 Claude 挖「谷歌有排名但 ChatGPT 不推荐」的 SEO 客户 — aryanXmahajan · 2026-10-15
- Google 论文 Harness²:无验证器下递归进化 agent harness,最高提升 11.5 分 — dair_ai · 2026-10-15