创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

Meta提出Routed CL智能体记忆路由架构

AI 总结

Meta FAIR提出“路由式持续学习”(Routed CL),把历史轨迹归入不同簇,并为每个簇维护独立记忆系统。每次运行前,LLM路由器会复用已有簇或创建新簇,上下文记忆适配器则负责加载和更新对应记忆;团队称,相比Global ICL,其归一化奖励提高,估算API成本降低65%至72%。评测覆盖CL-Bench六项任务的301个实例和τ³-Bench的97个银行实例,但尚未测试并发更新、旧状态读取及跨模型复用记忆簇。

深度见解

据36氪报道,Routed CL可按任务选择记忆簇和保存形式,并能在不要求智能体彼此协同的情况下接入现有系统。

面对相似任务时,让 agent 复用彼此积累的经验,是一种自然的思路。遗憾的是,并不存在一种在所有场景下都好用的经验保留方式,也无法提前知道某段经验会对哪些未来问题有帮助。

对于持续运行的 agent 系统而言,过往轨迹确实能减少后续任务的重复试错,可一旦不同任务的经验混在一起,也可能造成干扰;如果把所有历史轨迹都统一保留下来,细节确实最完整,却又会增加上下文和 API 成本;如果把所有经验都压缩成同一种记忆形式,又可能丢掉只对特定任务有用的信息。

为此,Meta FAIR 团队提出了“路由式持续学习”(Routed Continual Learning,Routed CL)。该架构会把历史轨迹归入不同的簇(cluster),并为每个簇单独维护一套记忆。每次运行前,基于 LLM 的路由器会依据当前问题、可用记忆系统的说明和已有簇的摘要,先判断这个任务和哪一类历史经验最接近,最后决定是复用某个簇,还是创建一个新簇。

#Meta FAIR#Routed Continual Learning#Context Memory Adapter#Gemini 3.7 Flash#GPT-5.6 Sol#Opus 4.7#Opus 5

原文约 4 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。