03:07Ate-a-Pi@svpinoSantiago Valdarrama 分享智能体自我改进的三个途径:模型层(仅适用于代码和数学,由大实验室负责)、执行框架层(步骤、工具和安全检查,容易控制且回报大)、上下文层(纯文本记录学习内容,最易入手)。他还强调从用户纠正智能体决策的每个实例中学习,真实反馈无可替代。文章提供了明确的优先级和实操建议。技巧智能体反馈学习Agent系统设计上下文学习推荐理由:想让你家智能体越用越聪明?这个线程给了三个可落地的改进方向,尤其是从用户操作中学习那块,不少人都忽略了。原文
03:17elvis@omarsar0精选Continual Learning Bench 是一个新的基准测试,用于评估智能体是否真正从经验中学习。研究发现,在六个专家验证的领域内,简单的上下文学习(ICL)表现优于专门为记忆管理设计的系统。该基准引入了一个增益指标来隔离真正的学习效果,结果显示智能体经常过度拟合即时观察或未能跨实例复用知识。这表明许多记忆架构实际上增加了开销而非学习能力。论文持续学习基准测试记忆系统上下文学习智能体推荐理由:如果你在构建或研究持续学习智能体,这个基准测试直接挑战了当前记忆系统的有效性——简单ICL反而更好,值得所有AI研究者点开看看。原文