个人智能体记忆与自我改进研究

2026年10月5日，Rohan Paul 在 X 上发布两则相关内容。其一讨论个人智能体的记忆管理，指出记忆并非越长越好：笔记超过一定长度后会让智能体漏掉规则，建议需要计数或追踪的事项改用代码实现、记忆保持简短。文中给出数据：对持续累加的消费总额，仅用文字规则时失败率达 44%，改用代码维护则失败 0%；在 Claude Haiku 4.5 上，无记忆时违规率 77%，10 行记忆降到 20%，记忆更长后又升至约 25%。其二分享了一篇 arXiv 论文（arxiv.org/abs/2609.36892），标题为《将进化作为学习：自我改进个人智能体的近似、泛化与优化极限》，研究自我改进个人智能体的理论极限。

AI 根据报道生成 · 1 天前更新

还没有足够的连续观测数据，暂不绘制趋势。