SEDIMA：进化搜索智能体的跨运行分层洞察记忆

Amirhossein Abaskohi 等作者发布论文，提出 SEDIMA——一种面向 LLM 进化搜索智能体的持久化分层洞察记忆方法。该方法将原始轨迹蒸馏为自然语言洞察，用注意力加权质心按语义相似度聚类，并检索相关指导来约束后续变异，从而跨运行、跨问题积累可迁移知识。 目前公开信息仅为论文提出的方法本身，尚未见实验效果或对比结论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。