UC Berkeley论文提出周期性遗忘扩展研究型智能体
先了解这件事
AI 综述
2026年10月16日，DAIR.AI的Elvis Saravia在X上介绍UC Berkeley一篇论文，提出通过让智能体遗忘来扩展自动化研究的方法。该方法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%。论文地址为arxiv.org/abs/2610.20563。
报道时间线
10月16日
- 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。