Meta AI 提出自改进记忆方法,智能体记忆提示词性能提升 11.4 分
faeze_brh · x · 2026-11-18
Meta AI RAM 团队发布 Self-Improving Memory 研究,让模型自己发现并固化更好的记忆技能,解决智能体持续学习(continual learning)中记忆行为缺乏示范数据的难题。
方法(两阶段)
- Harness optimization:元智能体阅读任务智能体的运行轨迹,找出记忆使用短板,重写控制记忆读写的提示词,迭代保留得分最高的版本
- Harness distillation:用优化后的提示词跑轨迹,再把这些提示词换回通用版本并保留智能体响应,用结果微调,把提示词教会的行为蒸馏进模型权重
关键结果
- 在 Continual Learning Bench 三个任务上,模型自己发现的提示词得 56.0 分,超过最好的人工提示词 44.6 分(+11.4)
- 用这些轨迹微调后,仅用通用提示词即达 43.1 分,比用通用轨迹微调的 37.6 分高 5.5 分
- 实验基于 Kimi-K2.6 模型,由 Jason Weston 官宣
核心思路是让「提示词教会的记忆技巧」逐步转化为权重内的能力,为智能体越长越好用提供了一条可训练路径。
「编程与Agent」频道最新
- SilentGuard 论文:把 API 静默失败拦截在 harness 层,错误率 74% 降至 1.7% — Genentech · 2026-11-18
- PowerShell 一条 New-AgentHarness 命令搭建 OpenAI 模型 Agent — dfinke · 2026-11-18
- doodlestein 公开多智能体并行开发工具链:agent-mail+beads+ntm — doodlestein · 2026-11-18
- 「苦涩教训」降临软件工程:别手写抽象,让智能体自己发现 — tylerjdunn · 2026-11-18
- 开源项目 MCP Agent Mail:给多个编码 Agent 配共享收件箱 — doodlestein · 2026-11-18
- UC Berkeley 团队推 FrontierCS 2:让 AI 智能体盲打超越已发表 CS 研究 — arena · 2026-11-18