IBM 详解 ALTK-Evolve 代理记忆方法
该系统检索与任务相关的指南，相比 ACE 可减少推理 token 用量。
为什么重要
这项对比凸显了推理阶段的记忆交付方式，正成为影响 AI 代理成本和性能的关键杠杆。选择性检索或许能帮助代理系统利用过往经验，同时避免每一步都加载完整手册所带来的成本。
核心要点
- 1.ALTK-Evolve 和 ACE 都能从代理轨迹中学习可复用经验。
- 2.IBM 表示，在 AppWorld 测试中，选择性交付相比 ACE 降低了每项任务的 token 用量。
- 3.ALTK-Evolve 库和技术报告可从该文章获取。
IBM Research 在 Hugging Face 发布文章，对比了 ALTK-Evolve 和 ACE 这两种代理式记忆方法。两者都能把代理过去的执行轨迹转化为可复用经验，且不需要更新模型权重或依赖人工标签。文章称，ALTK-Evolve 会将经验整合成可单独检索的指南，而 ACE 则使用一份在每一步都注入的完整手册。在 IBM 内部基于 168 项任务的 AppWorld 测试中，ALTK-Evolve 在 DeepSeek-V3.2 和 gpt-oss-120b 上，以更少的每任务 token 用量，达到或超过了 ACE 的任务完成和场景完成得分。
⚡ 今天就能用
在为代理工作流加入大型常驻记忆提示词之前，应先评估选择性指南检索。
来源与原始报道
本简报汇总并链接到以下媒体的报道。
觉得这篇简报有用？下一篇直接送到你的邮箱。