Meta 论文提出按问题类型调用记忆，改善 AI 智能体的经验复用

Meta 的一篇新论文发现，如果将每个新问题与相似问题的笔记相匹配，AI 智能体从过去尝试中获得的提升会比使用一份记录其所有过往行为的共享记录更大。

让智能体从过去的运行中学习，一个简单方法是使用一份共享历史记录。但面对混合任务，这种方法成本高昂，还会混入无关的经验。

Routed CL 增加了一个大语言模型路由器，在每次运行前复用一个记忆簇或创建新簇。每个簇使用 5 种记忆类型中的 1 种，例如原始的过往运行记录或提炼出的经验。

在 398 道混合问题和 4 个模型的测试中，共享历史记录的表现仅略好于无记忆，平均增益为 0.015 分（满分 1 分）。Routed CL 比共享历史记录高出满分的 15% 至 30%，并将估算的 API 成本降低了 65% 至 72%。

如果你的智能体处理多种类型的任务，就按问题类型将其记忆分成独立的池，而不是共用一份历史记录。