伯克利等预印本：定期遗忘的 Agent 团队比全量记忆最高好 15%
ombre-ai · reddit · 2026-10-22
UC Berkeley、Stanford 与 Bespoke Labs 的预印本（10 月 14 日，arXiv）测试了编码 Agent 团队在启发式编程、内核优化、模型训练等四类自动化研究任务上的表现。
发现：时间、Agent 数量与通信量增加后，效果都会随历史堆积而停滞——每个 Agent 被自己的过往尝试锚定，改动变得更少、更保守。
解法是周期性遗忘：清空所有 Agent 的会话与历史，从当前最优结果重启。报告显示比无遗忘的并行 Agent 最高好 15%，比单个 Agent 最高好 39%。
注意：仍是预印本，任务为边界清晰的研究型问题，未必迁移到日常 Agent 工作流。Drew Breunig 把相关现象称为「context inertia」（证据已变但 Agent 仍固守早期假设），但这是个人术语而非公认诊断。
「编程与Agent」频道最新
- 用 Claude Artifacts 做个人小工具：学折纸、测验草稿 PR — every · 2026-10-22
- AI Agent 无人出镜做成 TikTok 图文矩阵，月播放破 1000 万 — PrajwalTomar_ · 2026-10-22
- 把 Claude Code 会话变成视频通话：开源应用 Agent Standup — stickygoose · 2026-10-22
- 微软 ScholarsEvolve:让 Agent 读论文自我进化,AppWorld 完成率 69%→81.4% — bendee983 · 2026-10-22
- KOL 曝某加密项目系骗局，建议用 Claude Code 会话做尽调 — econoar · 2026-10-22
- Claude Code 可视化教程仓库爆火,斩获 4.2 万星 — luongnv89 · 2026-10-22