MIT×Meta 论文 ReHarness:让 Agent 用后续结果回头修订旧记忆
rohanpaul_ai · x · 2026-11-13
MIT 与 Meta 的新论文发现,Agent 记忆在用后续任务的 结果 回头修正旧笔记时效果更好。Agent 会保存过去任务的笔记并复用,但笔记写好后几乎不再变化,过于宽泛或过时的经验会持续误导 Agent。
ReHarness 的做法:每次任务后,把检索到的笔记和实际结果交给一个修订 Agent,只用该笔记原始任务范围内的事实来收窄或纠正每条笔记。
实验结果:在 3 个 benchmark × 3 个前沿模型上,ReHarness 平均归一化增益 0.240(相对无记忆 Agent 的可提升空间占比),最佳 raw-trajectory 基线为 0.168;在 CL-Bench 上用 Claude 重放完整原始历史要消耗 3.4 倍 token。
核心结论:如果 Agent 从经验中学习,应让每次结果去编辑塑造它的旧笔记,而不只是添加新笔记。
所属事件:MIT×Meta 发布 ReHarness:让 Agent 用后续结果回头修订旧记忆(2 条相关)→
「编程与Agent」频道最新
- DavidKPiano:编程 Agent 的 effort 档位终将消失 — DavidKPiano · 2026-11-13
- Hamel Husain 盛赞:顶级 context layer 公司的 evals 是最佳公开范例 — verrsane · 2026-11-13
- 开发者自嘲:issue、邮件、聊天都让 Agent 代写,「我算什么」 — m4rkmc · 2026-11-13
- Rolldown 推出 agent 专用 report 模式,助 AI 自动减包 1.2MB — cnakazawa · 2026-11-13
- Amp 创始人 Quinn Slack：21 人公司如何围绕 AI Agent 重组一切 — TheTuringPost · 2026-11-13
- Pipecat 1.16 上线 PerceptionReader:语音 Agent 学会听出语气与讽刺 — m4rkmc · 2026-11-13