这篇论文讲了一个很像人类成长的问题： AI记住了上次怎么做，不等于它真的学会了。 研究团队提出 HaMo，让智能体同时拥有两种能力： 一边把成功操作整理成“… · @RwatitFahsa · TwKit

@RwatitFahsa

这篇论文讲了一个很像人类成长的问题： AI记住了上次怎么做，不等于它真的学会了。 研究团队提出 HaMo，让智能体同时拥有两种能力： 一边把成功操作整理成“策略卡片”，下次遇到类似任务可以马上检索；另一边，再用这些经历慢慢更新模型，让它学会理解策略、迁移策略，而不是机械照抄。 前者像备忘录，速度快；后者像长期训练，见效慢，但能真正改变能力。 这对我们也很有启发。 收藏一百篇教程，不等于掌握技能；把答案复制进笔记，也不等于下次能独立解决问题。 真正的学习应该是： 先记录有效方法， 再在不同场景里复用， 最后把方法变成自己的判断。 论文在网页智能体的长流程任务中，验证了这种“外部经验 + 内部学习”的组合，比只靠记忆或只改模型更能适应任务变化。 人和AI都一样。 记住答案，只能让你少走一次弯路；理解方法，才能让你以后走不同的路。 论文原文：Harness-Model Collaboration for Long-Horizon Continual Learning https://arxiv.org/abs/2610.34724

曝光 19 · 评论 1 · 点赞 0 · 书签 0