dair_ai· @dair_ai · X·· 3 小时前AI 评分
Meta与MIT提出ReHarness，重写Agent反思记忆
Meta与MIT提出ReHarness，让Agent在任务结束后根据实际结果回写并修正此前检索到的反思记忆，而非只做增删。该方法用完成的轨迹作为反馈，纠正过度泛化或过时的经验教训。在3个持续学习基准、16个任务和3种backbone上，ReHarness均优于raw-context、memory、reflection和prompt-optimization基线，且经多重比较校正后增益仍显著。
Meta 和 MIT 的这篇关于智能体持续学习的论文非常出色。
（收藏一下）
智能体记忆机制通常只做单向写入：一条经验教训存入记忆库后，就再也不会回头检验它是否真的有用。
这项工作提出了 ReHarness，它会在智能体看到任务的最终结果之后，回头改写它为该任务检索到的反思内容。
增删操作虽然能让反思库保持整洁，却忽略了下游结果。ReHarness 则把每条完成的轨迹作为反馈，用来修正当初引导它的那些具体反思，从而纠正过度概括或过时的经验教训。
在三个持续学习基准、16 个任务和三种骨干模型上，它击败了原始上下文、记忆、反思和提示优化等基线方法，且在多重比较校正后增益依然显著。
arxiv.org/abs/2610.12668
Chat with Paper: academy.dair.ai/papers/recur…
来源：dair_ai · x.com