IBM 测试 AI 智能体究竟需要多少记忆
ALTK-Evolve 研究发现，智能体记忆带来的收益取决于模型能力和投放策略。
为什么重要
这些结果表明，智能体记忆应被视为一种因模型而异的系统设计选择，而不是一项可以一概启用的功能。对于生产环境中的智能体来说，记忆策略会影响可靠性和推理成本。
核心要点
- 1.ALTK-Evolve 在不更新模型权重的情况下为智能体加入记忆。
- 2.记忆收益会随模型能力和任务提升空间而变化。
- 3.精选检索在 5% token 开销下提升了 gpt-oss-120b 的表现。
IBM Research 表示，其 ALTK-Evolve 系统通过从过往轨迹中提炼可复用指南，并在推理时注入这些指南，提升了 AI 智能体的表现；这一过程无需更新权重，也不需要人工标注。在一项覆盖八个模型、585 个多步骤任务的 AppWorld 评估中，能力更强且仍有提升空间的模型从完整指南集中获益最多，而较弱模型在采用紧凑核心指南加任务特定检索时表现更好。该文章还称，在仅增加 5% token 开销的情况下，gpt-oss-120b 通过精选检索将任务完成率提高了 16.1 个百分点，而 GLM-5 没有显示出可衡量的提升。
⚡ 今天就能用
在默认扩展上下文之前，应先在你的智能体任务上同时基准测试完整记忆和基于检索的记忆方案。
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。