你的 Agent 从不真正学习:TokenRhythm 想把运行经验喂回模型
PrajwalTomar_ · x · 2026-09-16
Prajwal Tomar 发起一个关于 TokenRhythm 的长线程，开篇点出问题：你的 AI agent 其实从不从自己的工作中学习——它可以找到 bug、弄清哪里出了错，明天却重复同样的错误，因为这些经验从未到达底下的模型。
TokenRhythm 试图改变这一点：把 agent 运行中的有效经验变成可训练的数据。后续帖子将展开其 OpenSquilla、TokenRhythm API 与 NeoHorse-1 三层方案的细节。
所属事件:TokenRhythm 开源 NeoHorse-1：用 Agent 经验训练 4B/9B 模型(11 条相关)→
「编程与Agent」频道最新
- Google 开源内部「大象-金鱼」工作流:规划与审查分离防 AI 敷衍 — gaganghotra_ · 2026-11-02
- InfoQ 发文：Agentic AI 架构中记忆、知识与上下文的系统化方法 — AdiPolak · 2026-11-02
- Harness Pro 用 ESP32-P4 做出 AI 编码 Agent 桌面监控屏 — dee_hw · 2026-11-02
- RL 训练 LFM2.5-24B 适配器：精度持平下工具调用省 20% — yb2698 · 2026-11-02
- Agent 生产环境排障之痛：错误在第5步、根因在第3步 — Ok-Machine7983 · 2026-11-02
- RAGFlow 1.0 预览：从 RAG 引擎转向 agent 原生数据库 — newpeak · 2026-11-02