研究者提出遗忘机制提升LLM智能体自动研究
热点事件持续更新
研究者提出遗忘机制提升LLM智能体自动研究
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者 Shangyin Tan 等人提出，LLM 智能体做自动化研究时，单智能体长迭代、多智能体并行、并行加通信三种扩展策略都会因历史累积而停滞：智能体被自身过往尝试锚定，编辑越来越少、越来越小。 对此，他们提出“遗忘”机制：周期性丢弃搜索状态，包括每个智能体的会话与候选历史，从当前最优候选重启。 在启发式编程、kernel 优化和模型训练四类任务上，该机制比并行智能体提升最高 15%，比单智能体提升最高 39%。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
让 LLM 智能体学会遗忘：Scaling Discovery Requires Forgetting报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CL让 LLM 智能体学会遗忘：Scaling Discovery Requires Forgetting
LLM 智能体做自动化研究时，单智能体长迭代、多智能体并行、并行加通信三种扩展策略都会因历史累积而停滞，智能体被自身过往尝试锚定，编辑越来越少、越来越小。研究者提出"遗忘"机制：周期性丢弃搜索状态（包括每个智能体的会话与候选历史），从当前最优候选重启，在启发式编程、kernel 优化和模型训练四类任务上比并行智能体提升最高 15%，比单智能体提升最高 39%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。