Meta 论文：智能体记忆按问题类型分池比共用全量历史更有效
Meta 论文：智能体记忆按问题类型分池更有效
Meta 新论文提出 Routed CL，用 LLM 路由器在每次运行前复用或新建记忆簇，每簇采用 5 种记忆类型之一（如原始历史运行或蒸馏经验）。在 398 个混合问题和 4 个模型上，共用历史仅比无记忆平均高 0.015（满分 1），Routed CL 则达到最高可能分数的 15% 至 30%，并将预估 API 成本降低 65% 至 72%。
Rohan Paul· @rohanpaul_ai · X·2026-11-03 02:05· 1 小时前AI 评分44
AI 导读
Meta 新论文发现，AI 智能体从过往尝试中学习时，把新问题匹配到相似问题的笔记，比共用一份全量历史记录效果更好。其提出的 Routed CL 用一个 LLM 路由器在每次运行前复用或新建记忆簇，每簇采用 5 种记忆类型之一（如原始历史运行或蒸馏经验）。
正文 · 原文
Meta 的新论文发现，当每个新问题都被匹配到相似问题的笔记，而不是共用一份记录所有已完成事项的单一记录时，AI 智能体从过往尝试中获得的提升更大。
让智能体从过往运行中学习的一种简单方法是共用一份历史记录。面对混合任务时，这种做法成本高昂，还会混入不相关的经验。
Routed CL 增加了一个 LLM 路由器，在每次运行前复用某个记忆簇或新建一个记忆簇。每个簇采用 5 种记忆类型之一，例如原始过往运行记录或蒸馏出的经验教训。
在 398 个混合问题和 4 个模型上，共用历史记录几乎未能胜过无记忆，平均增益仅为 0.015（满分为 1）。Routed CL 比它高出最高可能得分的 15% 到 30%，并将预估 API 成本降低 65% 到 72%。
如果你的智能体处理混合任务类型，应按问题类型将其记忆拆分为独立的池，而不是共用一份历史记录。
来源：Rohan Paul · x.com
来源：RadarAI · aihot.news