arXiv 论文揭示:个人 Agent 记忆越多反而越容易出错
rohanpaul_ai · x · 2026-10-05
arXiv 论文《Harness Evolution as Learning: Approximation, Generalization, and Optimization Limits of Self-Improving Personal Agents》（Zeyu Gan 等）从理论与实践两端分析个人 agent 的 harness 演化极限。
核心发现
- 记忆并非越多越好：相关笔记只在一定量内有帮助，之后多余的条目会让 agent 开始漏掉规则，性能反而下降。
- 个人 agent 无法仅靠记忆笔记学会所有用户偏好，且笔记过多最终有害。
实践建议
- 凡是必须精确计数或追踪的内容，用代码实现而非记忆；记忆保持简短。
- 书面规则适合风格类偏好（如按用户习惯署名）。
方法：作者提出偏好导向 benchmark，系统刻画 harness 架构、harness 规模、自演化算法三个维度的能力与局限；理论上将 harness 演化形式化为学习问题，用逼近误差、泛化误差与优化误差解释现象，并给出可达策略、有限交互证据下的容量、有偏更新动力学的分析。
「编程与Agent」频道最新
- MicroFactory 推出 AI 机器人集成器：自动设计夹具、写视觉代码、指挥机器人 — ihorbeaver · 2026-10-05
- Linear 客户周日早上报 Bug，AI Agent 自动修复并开出 PR — jeff_weinstein · 2026-10-05
- 把 AI 记忆做成身份连续性实验:448 条记忆、4606 个链接 — RileyRalmuto · 2026-10-05
- 免费提示词优化重复 Agent 任务，实测省 90% 以上 token — vivekhaldar · 2026-10-05
- 开发者用 Codex 搭游戏工具链:模拟武器法术与怪物物理反应 — Dimillian · 2026-10-05
- OpenAI dots 桌面 agent 被指仓促：实测对比 Grok Bot 全面落败 — alexisgallagher · 2026-10-05