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
- 企业 Agent 需架构约束，非仅数据质量 — jonerp · 2026-08-24
- 谷歌发布 Developer Knowledge MCP，集成 19 套文档 — rseroter · 2026-08-24
- 用 Cloudflare Workers 写了个 Agent 专治网页设计垃圾 — craigsdennis · 2026-08-24
- Obsidian 插件 Smart Chat：AI 对话链接与状态直接存进笔记 — AINewsletter · 2026-08-24
- 用 AI 写代码虽快，但理解项目历史却成了新负担 — Warm-Reaction-456 · 2026-08-24
- 给每个 Agent 分配真实邮箱后，我们踩了这些坑 — saltexx · 2026-08-24