为什么有的智能体难提升?四个模型复用率 94-98% 收益却大相径庭
anirudhg9119 · x · 2026-10-09
作者探讨部分智能体几乎不改进的原因线索:
- 一个线索是它们不复用学到的成果,但复用本身也不够。
- 数据显示,四个模型在 94–98% 的相关决策中都会复用已有产物(artifacts),但它们的收益差距仍然很大。
- 即使是改进明显的模型,也经常在「正在使用某个产物」的过程中失败。
结论:有记忆 ≠ 有效学习,复用质量而非复用频率才是关键变量。
所属事件:为何多数智能体难以从经验中提升：复用不等于学习(2 条相关)→
「研究」频道最新
- S2Tok 用持久空间 token 实现流式3D高斯重建 — zhenjun_zhao · 2026-10-09
- DynStream 实现无位姿长视频的在线4D高斯重建 — zhenjun_zhao · 2026-10-09
- VPP2 发布：14B 视频预测策略超越 Cosmos3-64B 11 个百分点 — zhenjun_zhao · 2026-10-09
- 研究草案称 DFT 计算可低于 n log n，δ 提升七亿倍 — basedjensen · 2026-10-09
- Iris-3B 开源:不用 VAE 的像素空间文生图模型,3B 参数 Apache 2.0 — zhenjun_zhao · 2026-10-09
- Nvidia 论文：训练与改技能文件交替进行，Agent 提分最显著 — rohanpaul_ai · 2026-10-09