omarsar0· @omarsar0 · X·· 5 小时前AI 评分
UC Berkeley 论文提出用周期性遗忘扩展研究型智能体
UC Berkeley 一篇论文提出通过让智能体遗忘来扩展自动化研究：周期性丢弃每个智能体的会话与候选历史，从目前找到的最佳候选重新开始，以避免智能体锚定自身过往尝试、只做小改动的问题。在启发式编程、kernel 优化和模型训练任务上，该方法在同等预算下相比并行智能体最高提升 15%，相比单个智能体最高提升 39%。论文地址 arxiv.org/abs/2610.20563。
UC Berkeley 出了一篇关于扩展研究智能体的精彩论文。
（先收藏了）
他们提出了一种出人意料又颇有意思的方法，用智能体来扩展自动化研究。
研究智能体通常会保留完整的历史记录，并在此基础上不断迭代来完成任务。但过了一段时间后，每个智能体都会锚定在自己过去的尝试上，只做越来越小的修改，投入再多预算也无法带来提升。
因此，这项工作让智能体学会遗忘。
他们定期丢弃每个智能体的会话和候选历史，然后从目前找到的最佳候选重新开始。
在启发式编程、内核优化和模型训练任务上，与相同预算下的并行智能体相比，这种方法最多能提升 15%，与单个智能体相比最多能提升 39%。
arxiv.org/abs/2610.20563
Chat with Paper: academy.dair.ai/papers/scali…
来源：omarsar0 · x.com