aifollow.news
返回 Rohan Paul
Rohan Paul· @rohanpaul_ai · X· · 原发布时间 AI 评分54

Google 与 Penn State 研究用修改记录帮助 AI 代理适配新模型

AI 导读

Google 与 Penn State 的论文提出 Self-Improvement Memory(SIM):记录 AI 修改代理提示词和工具运行代码时针对的问题、理由及结果,供切换模型后判断哪些修改值得保留。在文中报告的工作区任务中,切换后的得分为 84.75;没有记录时为 73.42。

原帖引用 · AI 翻译

@rohanpaul_ai
译文 · 以原文为准

谷歌和宾夕法尼亚州立大学的一篇新论文发现,当一个 AI 改写为另一个 AI 提供指令和工具的代码时,记录每次修改的原因有助于让改进效果延续到新模型上。

大语言模型如今可以改写智能体的运行框架,即运行提示词和工具的代码。更换模型或基准测试后,改写后的框架得分可能低于原版,而其代码又无法说明当初为何做出这些修改。

自我改进记忆(Self-Improvement Memory,简称 SIM)会记录每次修改所针对的问题、修改理由及测得的结果。优化器在新配置下读取这份日志,以决定保留或修订哪些旧修改。

将一个 Claude Opus 5.5 运行框架迁移到 Gemini 3.8 Flash 的工作区任务时,SIM 使其得分从 68.41 提高到 84.75,而没有日志时为 73.42。在 10 次重复的编码运行中,SIM 有 9 次得分领先,平均领先 2.36 分。

记录每次运行框架修改的原因及其得分,并将这份日志带到新模型上。

来源:Rohan Paul · x.com

论文
发现内容有误?提交纠错