Meta自改进记忆实测:自动优化提示词 56.0 分超手写最佳 44.6,蒸馏再涨 5.5 分
jaseweston · x · 2026-11-17
Jason Weston 发布的 Self-Improving Memory 线程收尾(5/6、6/6),附博客全文,给出关键数据:
- Harness 优化:在 Continual Learning Bench 三个任务上,模型自己发现的记忆提示词得分 56.0,超过最好的手写提示词 44.6(高出 11.4 分);
- Harness 蒸馏:用优化提示词跑出轨迹、换回通用提示词但保留模型响应,再做 LoRA 微调。测试时只用通用提示词即得 43.1,高于用通用提示词轨迹做 SFT 的 37.6(提升 5.5 分);
- 案例:元智能体读轨迹发现某摘要文件无限增长,于是加入「保存仓库路径」「每次失败后追加规则」「症状→修复索引表」等指令,两轮迭代把 Codebase 任务从 33.5 提到 55.7。
博客:jasonweston/meta-optimization(facebookresearch.github.io)。
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