推文

@fireandstart · 2026-10-17 17:01

这项结果最值得继续追问的，不只是“遗忘”能否让分数变高，而是它把长程智能体的瓶颈从模型参数转向了工作流：上下文越积越多，并不自动等于经验越丰富；历史记录也可能把团队困在已有路径里，让后续改动越来越谨慎。周期性重启看起来像丢掉记忆，实际设计却是把记忆压缩成一个可检验的最佳解，再让新一轮探索围绕它展开。这样保留的是经过验证的产物，而不是整段过程的噪声。 四个编码与优化任务中的提升很有启发性，但我更想看它在复杂任务上的边界：最佳解是否会把搜索过早锁定？哪些实验记录值得留下，怎样判断重启时机？如果把候选解、失败原因和评估标准也结构化保存，是否能同时减少上下文负担与重复试错？这类方法最终要比较的，应该是同等预算下的探索广度、复现率和失败恢复能力。对智能体系统而言，“会忘记”本身不是目标，关键是能否只忘掉低价值历史，同时保住可复用的证据。

曝光 47 · 评论 2 · 点赞 1 · 书签 0 · 曝光/时 43.96970046719425