Google DeepMind 论文发现自我进化智能体边学边忘，GEPA 学得最快也遗忘最多

Rohan Paul· @rohanpaul_ai · X·2026-10-21 02:47· 57 分钟前AI 评分59

AI 导读

Rohan Paul 介绍了 Google DeepMind 论文《Are Self-Evolving Agents Continual Learners?》的发现：自我进化智能体通过编辑系统提示词、记忆或技能文件来改进，但在任务流变化时会出现遗忘，学新任务最快的方法破坏旧任务也最多。

正文 · 原文

Google DeepMind 的新论文发现，自我改进的智能体在学习的同时也会遗忘，而学新任务最快的方法对旧任务的破坏也最大。

自我进化智能体无需重新训练，通过编辑系统提示词、记忆或技能文件来改进。在实际使用中任务不断变化，而为 1 个任务所做的每次编辑也会作用于其后的每一个任务。

团队在主题、工作流或领域发生变化的任务流上运行了 ReasoningBank、GEPA 和 Meta-Harness。他们追踪了每种方法在当前任务上学到了多少、在其他任务上又丢失了多少。

GEPA 学到的内容最多，平均每个区块 6.2 分，但在其他地方丢失的也最多，达 4.3 分。在它学会向用户询问缺失的细节之后，后续的一个区块改写了这条规则，其 15.5 分的增益降至 2.5 分。

如果你的智能体会编辑自己的提示词或记忆，请将任务专属规则分开存放，并在每次更新后重新测试旧任务。

来源：Rohan Paul · x.com