@rohanpaul_ai：Meta 的一篇新论文发现，当每个新问题都匹配到来自……的笔记时，AI 智能体能从过去的尝试中获得更大的提升……

X AI KOLs Timeline 论文
ai-agents memory-management meta-research llm-routing experience-reuse cost-reduction

摘要

Meta 的一篇新论文表明，当过往经验按问题类型归入不同的记忆簇，而非存入单一的共享历史记录时，AI 智能体能更好地从过去的尝试中学习，性能提升幅度相当于满分的 15–30%，同时 API 成本降低 65–72%。

Meta 的一篇新论文发现，相比共用一份记录所有过往操作的历史，当每个新问题都能匹配到相似问题的笔记时，AI 智能体能从过去的尝试中获得更大的提升。 让智能体从过往运行中学习的一种简单方法，是共用一份历史记录。但在任务类型混杂的情况下，这种方法成本高，还会把不相关的经验混在一起。 Routed CL 引入了一个大语言模型路由器，在每次运行前复用一个记忆簇或新建一个记忆簇。每个记忆簇采用 5 种记忆类型中的一种，例如原始运行记录或提炼后的经验。 在涵盖 398 个混合类型问题和 4 个模型的测试中，共享历史记录的表现仅略优于无记忆，满分为 1 分时平均提升 0.015 分。Routed CL 相比共享历史记录的得分提升相当于满分的 15% 至 30%，同时将估算的 API 成本降低了 65% 至 72%。 如果你的智能体需要处理多种类型的任务，请按问题类型将记忆划分为独立的记忆池，而不是共用一份历史记录。
查看原文
查看缓存全文

缓存时间: 2026/11/02 22:18

Meta 的一篇新论文发现，当每个新问题都匹配到类似问题的笔记，而不是共用一份记录所有过往操作的历史时，AI 智能体能从过去的尝试中获得更大提升。

让智能体从过往运行中学习的一种简单方法，是使用一份共享历史。但在任务类型混杂时，这种做法会增加成本，还会将不相关的经验混在一起。

Routed CL 引入了一个大语言模型路由器，在每次运行前复用一个记忆簇，或新建一个记忆簇。每个簇使用 5 种记忆类型中的一种，例如原始运行记录或提炼出的经验。

在涵盖 398 个混合类型问题和 4 个模型的测试中，共享历史仅略优于不使用记忆，在满分为 1 的评分中平均提升了 0.015。Routed CL 相比共享历史的得分提升相当于满分的 15% 至 30%，并将估算的 API 成本降低了 65% 至 72%。

如果你的智能体需要处理多种类型的任务，请按问题类型将记忆拆分为独立的记忆池，而不是共用一份历史记录。

相似文章

@rohanpaul_ai: Meta 的新论文显示，前沿智能体在从经验中学习的方式上差异巨大，而表现最好的那个并不是……

X AI KOLs Timeline

Meta 的论文在国际象棋、围棋、Hex 和 NetHack 四个环境中评估前沿智能体从经验中学习的能力，全程冻结模型权重，并将「可塑性」定义为每美元成本带来的留集（held-out）增益。Claude Fable 5 取得了最大的绝对增益，而 GPT-5.6 Sol 的成本效率要高得多，说明表现最强的模型并不等同于学习效率最高的模型。

@rohanpaul_ai：Meta 新论文。大多数智能体记忆系统使用单一置信度阈值来决定保存哪些关于用户的事实，但这……

X AI KOLs Timeline

Meta 的一篇新论文发现，相比使用单一的全局阈值，仅对有关用户价值观和信念的陈述采用更严格的置信度阈值，能让智能体记忆系统表现更好。针对价值观设置的门槛将已保存事实中缺乏依据的比例从 6.2% 降至 4.0%，同时对源文本关键事实的保留率提高了约 13 个百分点。