AI圈报论文研究普通
MIT 与 Meta 论文 ReHarness：用后续任务结果修订智能体记忆笔记
原始标题：New MIT and Meta paper finds that agent memory works better when old notes get corrected using what happened the next time they were used.
内容摘要
MIT 与 Meta 等机构的论文提出 ReHarness，在每个任务结束后由修订智能体根据该笔记原始任务的事实收窄或修正被检索出的旧笔记，解决笔记一旦写成就很少更新、过时经验持续误导智能体的问题。在 3 个基准和 3 个前沿模型上平均归一化增益 0.240，最佳原始轨迹基线为 0.168；在 CL-Bench 与 Claude 上重放完整原始历史要多消耗 3.4 倍 token。
内容分类AI 论文与研究
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源X：Rohan Paul (@rohanpaul_ai)
站内情报编号intel-2120642a5b7586ea1c458014