Meta 论文提出 Routed CL，为 AI 智能体按问题类型路由记忆

Meta 最新论文发现，当每个新问题都能匹配到与相似问题对应的笔记时，AI 智能体从以往尝试中获得提升的效果，要好于让它们共享一份包含所有过往经历的总记录。

让智能体从以往运行中学习的一种简单方法，是使用一份共享历史记录。但面对混合任务时，这种方式的成本会越来越高，而且会把不相关的经验混杂在一起。

Routed CL 增加了一个 LLM 路由器，在每次运行前复用某个记忆簇或新建一个记忆簇。每个记忆簇采用 5 种记忆类型之一，例如原始的过往运行记录或提炼后的经验教训。

在 398 个混合问题和 4 个模型的测试中，共享历史记录几乎没有胜过不使用记忆，平均得分提升仅为满分 1 分中的 0.015 分。Routed CL 则比共享历史记录高出满分的 15% 至 30%，并将估算的 API 成本降低了 65% 至 72%。

如果你的智能体处理多种类型的任务，请按问题类型将其记忆拆分为不同的记忆池，而不是共享同一份历史记录。