Jason Weston 团队让智能体自我优化记忆:测试分从 36.1 提到 56.0
jaseweston · x · 2026-11-17
Jason Weston 发布系列推文介绍「自我改进记忆(Self-Improving Memory)」方法:智能体在子任务前执行 LOAD、后执行 OFFLOAD,把学到的东西写入文件携带。第一步「Discover」由一个元智能体阅读轨迹、找出记忆使用失效之处,并重写 LOAD/OFFLOAD 提示词,最优候选(各 5 次运行)作为父代迭代。结果:优化后的 harness 平均测试分 56.0,优于最佳手写版 44.6 和通用版 36.1。元智能体与任务智能体用同一模型(Kimi-K2.6),因此模型学到的是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