DeepMind 论文：自进化智能体越适应越健忘，仍非完整持续学习者
omarsar0 · x · 2026-10-21
Google DeepMind 与 Mila 等机构发布论文《Are Self-Evololving Agents Continual Learners?》，系统检验权重冻结、靠改写 prompt/记忆/技能来自适应的非参数自进化智能体能否做到「学新不忘旧」。
- 在基于 BIRD、BFCL、ScienceWorld 构建的 4 个主题/工作流/领域漂移的任务流上，评测了 ReasoningBank、GEPA、Meta-Harness 三种代表方法。
- 自进化确实提升了大多数任务流的整体分数，但可塑性越高、稳定性越差：适应性越强，遗忘越严重。
- 自修改类方法对共享 prompt/workspace 做全局编辑，会干扰未见任务，并在任务流切换时覆盖旧知识。
- 基于相似度的记忆检索把更新局部化、跨领域干扰更小，但在未见任务上会检索到无关的外来记忆，且相似查询需要冲突工作流时出现检索碰撞。
结论：现有自进化智能体仍是不完整的持续学习者，记忆与检索的设计是其中的核心难题。
所属事件:DeepMind 论文：自进化 Agent 学新任务最快，忘旧知识也最多(3 条相关)→
「编程与Agent」频道最新
- YC 系 Mireye 推出土地数据 API+MCP，覆盖 1.6 亿地块 — ycombinator · 2026-10-23
- 实测 12 套决策系统：分类器换版的「LARP 式炒作」陷阱 — KlausCodes · 2026-10-23
- 「给 agent 用的 Product Hunt」上线:按真实调用排出的工具榜 — claudeai · 2026-10-23
- 个人智能体元年：OpenClaw 走红到大厂集体入场的一年 — sujingshen · 2026-10-23
- Shopify 内部 Slack bot River 不擅长移动开发,员工做内部广告说服工程师 — jevon · 2026-10-23
- 梗图：AI vibe coding 与老虎机的对应关系逐条拆解 — burny_tech · 2026-10-23