研究智能体最实用的记忆或许是其拒绝的实验

大多数智能体记忆讨论都从回忆开始：系统能检索多少先前文本？AQuA v2预印本描述了一种不同的记忆对象。在每个研究循环中，经过验证的证据会更新特定部分的持久状态，该状态指导后续提案。提案语言模型和评估器保持不变；连续性来自于循环已建立的内容，包括对其接受和拒绝想法的证据。第一部分使该工作流程具体化。一个AI管理者协调六个顺序专家：Data Steward、Visual Analyst、Idea Miner、Factor Evaluator、Backtest Engineer和Research Librarian。反馈在回测内、运行内和跨运行中运作。角色链以Research Librarian结束。更重要的是，持久状态不仅仅是更长的对话：后续提案可以继承哪些机制通过了评估，哪些机制失败了，因此下次搜索不必将每个旧想法都视为同样可信。这表明对研究智能体有一个更严格的记忆测试：后续提案能否恢复其动机的证据和拒绝原因？如果它只能检索旧的措辞，系统就有历史，但不一定有研究状态。持久证据并非永远自动可信。过时的结果可能仍然有说服力，两个评估可能冲突，固定的评估器可能验证了后来需要纠正的内容。开放的设计问题是证据的生命周期，而不仅仅是其存储格式。来源是Guo等人的AQuA v2，arXiv:2608.12841；此处总结了完整机制，因此帖子不依赖于链接。您会在证据账本中要求什么：每个结果的出处、明确的拒绝原因、过期规则，还是取代矛盾发现的方法？