Meta 发布 Routed Continual Learning 论文:LLM 路由器决策 Agent 记忆分区

rohanpaul_ai · x · 2026-11-03

Meta 论文《Routed Continual Learning》(arXiv:2610.38796,FAIR 团队,作者含 Ilya Mironov 等)提出让规模化部署的 Agent 从历史经验中持续学习的架构。

核心问题:全局历史保留全部细节但昂贵且混杂不相关经验;压缩成单一表示省钱却丢失关键信息。

在 301 个 CL-Bench 实例与 97 个 τ³-Bench 银行实例共 398 个混合任务、4 个模型、5 次匹配 rollout 上:归一化奖励比单一全局 ICL 历史高出最大可得值的 15-30%,API 成本降低 65-72%。

所属事件:Meta 发布 Routed CL 论文:Agent 记忆分池路由可省最多 72% 成本(2 条相关)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →