论文：定期遗忘搜索状态可提升LLM智能体自动研究
热点事件持续更新
论文：定期遗忘搜索状态可提升LLM智能体自动研究
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Shangyin Tan 等人发表的论文提出，扩展 LLM 智能体自动研究能力的关键是“遗忘”：定期丢弃搜索状态（包括各智能体会话与候选历史），从当前最优候选重启，而非延长迭代、并行运行或让智能体互相通信。 论文称，在启发式编程、内核优化和模型训练四类任务上，这一做法比并行智能体提升最多 15%，比单智能体提升最多 39%。作者认为，智能体因历史积累而锚定于自身过往尝试，收益才会趋于停滞。上述提升幅度为论文报告结果。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
让 LLM 智能体学会遗忘：突破自动化研究瓶颈报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.CL让 LLM 智能体学会遗忘：突破自动化研究瓶颈
研究发现，LLM 智能体无论延长迭代、并行运行还是互相通信，都会因历史积累而锚定于自身过往尝试，收益趋于停滞。为此作者提出定期丢弃搜索状态（包括各智能体会话与候选历史），从当前最优候选重启，在启发式编程、内核优化和模型训练四类任务上比并行智能体提升最多 15%，比单智能体提升最多 39%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。