elvis推荐Google DeepMind等的论文：自进化智能体适应越多，遗忘越多

elvis（@omarsar0）发帖推荐一篇来自Google DeepMind及合作者的论文，问题是：自进化智能体能不能一边学习一边不遗忘。他称，这项工作说明了记忆和检索对智能体有多重要，也有多难。

论文用BIRD、BFCL和ScienceWorld构建了四条任务流，任务的主题、流程或领域会随时间漂移。被测的ReasoningBank、GEPA和Meta-Harness都不改模型权重，而是靠改写提示词、记忆和技能来适应。

结果是：自进化在多数任务流上提高了总分，但适应得越多，遗忘得也越多。改写共享提示词或工作区的方法做的是全局修改，会干扰没见过的任务，任务流一转向就覆盖旧知识。基于记忆检索的方法改动更局部，但仍会调出其他领域的记忆，相似问题需要不同流程时也会互相冲突。

论文的建议是：静态基准会掩盖这两个问题，应在随时间变化的任务流上测试自进化智能体。

以上据elvis帖子转述，论文原文见arXiv。