哈佛团队提出多模态文件系统记忆，零训练让 Minecraft 智能体持续进化
du_yilun · x · 2026-11-06
Harvard/Kempner、NYU、MIT 等机构团队（Yilun Du 组）发布 MFM（Multimodal Filesystem Memory），把具身智能体的过往经验存成结构化的多模态文件系统，对应情景、程序、语义、工作记忆四种类型，使智能体不重训模型（权重冻结）也能从经验中持续学习。
核心设计包含四点：
- 检索关键经验：找回当下需要的旧观察（如几千步前路过的铁矿脉）；
- 持续学习：把成功动作沉淀为可复用技能；
- 失败溯源：追查失败原因并修正已学内容，避免重复踩坑；
- 知识缺口发现：暴露未知领域引导后续探索。
在 Minecraft Ender Dragon 任务中，智能体从原始键鼠操作起步，在约 58 分钟实速游戏内完成 24 个里程碑中的 21 个；加大步数预算并进行多世代记忆继承的爬山实验中，基线方法已停滞而 MFM 仍持续提升。
「具身」频道最新
- Lightwheel 与 Synopsys 把 CAE 级物理引入机器人仿真 — lukas_m_ziegler · 2026-11-06
- MIT 记者实测旧金山人形机器人清洁服务:远程操控+数据收集 — MIT Tech Review AI · 2026-11-06
- RAX 让编码智能体操控灵巧手拧开真实瓶盖：6 项链式技能 4 次旋转 — du_yilun · 2026-11-06
- 首尔大学 HeLM：显式语言记忆让 VLA 机器人处理非马尔可夫任务 — SeoulNationalUniv · 2026-11-06
- 三年写数万行代码的 3D 场景生成，如今一条提示词搞定 — liliyu_lili · 2026-11-06
- 滑铁卢大学用金属 3D 打印直接集成干涉仪光学件的柔性结构 — jwt0625 · 2026-11-06