Jason Weston详解自改进记忆:模型自己发现记忆技能再蒸馏进权重
jaseweston · x · 2026-11-17
Meta 的 Jason Weston 继续【Self-Improving Memory】线程(3/6):核心是在通用 harness 上做记忆优化——每个子任务前运行 LOAD、之后运行 OFFLOAD,知识通过记忆文件跨任务传递。
两阶段方法:
- Discover:直接优化 LOAD/OFFLOAD 提示词,让元智能体从轨迹中发现更好的记忆策略;
- Demonstrate & Distill:用优化后的提示词跑出轨迹,再 LoRA 蒸馏进权重。
有意思的设计:元智能体和任务智能体是同一个模型(Kimi-K2.6),所以模型学到的是它自己发现的记忆技能。
所属事件:Meta Self-Improving Memory:模型自发现记忆技能再练进权重(6 条相关)→
「编程与Agent」频道最新
- Grok Bot 测试接听真实来电:在聊天里代你回复 caller — XFreeze · 2026-11-17
- Foaster 携手咨询公司 Kéa,把 agentic AI 带进咨询工作流 — RaphaelDabadie · 2026-11-17
- Stitch 把 AI Agent 嵌入银行系统:安全靠围栏而非防黑客 — alex_verem · 2026-11-17
- Agent Identity 101:一张时序图讲透智能体三种授权模式 — adnan_hashmi · 2026-11-17
- 日产千通电话:开发者分享语音 Agent 真实生产落地经验 — FullStackFrenzy · 2026-11-17
- 用 Opik 优化金融事故修复 Agent,评测分数从 0.34 提升至 0.57 — dl_weekly · 2026-11-17