北京
分享至
一篇新论文提出“框架持续学习”（HCL）框架，核心观点是：智能体无需重训模型，仅通过重写自身提示词、记忆和路由即可实现行为更新。这一思路将学习从“改参数”转向“改框架”。
“框架级遗忘”是什么？
论文将模型冻结、但周边行为持续变化的现象称为“框架级遗忘”。换句话说，模型本身没变，智能体却可能因为提示词或记忆的累积而偏离预期行为。研究者认为，这类变化同样需要被管理。
像代码变更一样对待提示词改动
论文主张，对提示词、记忆、技能和路由的改动，应像代码变更一样进行回归测试，通过后再持久化。这相当于给智能体的“软性更新”加一道质量门槛，避免行为漂移积累成问题。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
