Self-Direction 让智能体把错误蒸馏为持久低秩适配器
原文标题：Don't Forget What You Just Learned: Self-Directed Repair Turns Agent Mistakes Into Lasting Lessons
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 Self-Direction 机制，智能体任务失败后反思轨迹提取经验，并即时蒸馏为轻量低秩适配器，参数量约为基座的 0.02%，存入持久经验库并按需路由。基于 Qwen 系列开放权重模型的实验在 GAIA、Claw-Eval、Terminal-Bench 2.1 上成功率提升 8.9 至 17.0 个百分点，修正可靠性近乎翻倍，少量适配器可迁移到数十个新任务。
- 问题
- 智能体从错误中学到的经验跨会话即忘，全参微调又贵且伤原有能力。
- 方法
- 失败后反思轨迹提取教训，即时蒸馏为约基座 0.02% 参数的低秩适配器，存入经验库并按需路由。
- 结果
- GAIA、Claw-Eval、Terminal-Bench 2.1 成功率提升 8.9-17.0 个百分点，修正可靠性近乎翻倍。
- 影响
- 用极小适配器实现持久经验积累，是比上下文反思和全参微调更划算的智能体持续学习方案。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Self-Direction 把失败经验蒸馏成 0.02% 参数适配器，成功率升 8.9–17.0 点
- •任务失败后反思轨迹提取经验，即时蒸馏为低秩适配器，每个适配器参数量约为基座的 0.02%
- •基座权重冻结，避免适配器训练覆盖原有参数；适配器存入持久经验库并按需路由
- •基于 Qwen 系列开放权重模型，在 GAIA、Claw-Eval、Terminal-Bench 2.1 上成功率提升 8.9 至 17.0 个百分点
- •修正可靠性近乎翻倍，减少同一任务未来再次犯错的概率
- •少量适配器可迁移到数十个新任务
为什么重要：在上下文反思易遗忘与全参微调昂贵之间给出第三条路，对需要长期运行的智能体产品是低成本经验积累方案。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。