Meta FAIR提出路由式持续学习架构Routed CL

Meta FAIR 团队提出并发布论文（arXiv:2610.38796）介绍「路由式持续学习」（Routed CL）架构：该架构将历史轨迹归入不同的簇并为每个簇单独维护记忆，由基于 LLM 的路由器决定复用已有簇还是创建新簇。据论文实验结果，相比只用单一全局上下文学习历史的 Global ICL，Routed CL 的归一化奖励提升相当于最大可达归一化奖励的 15% 至 30%，估算 API 成本降低 65% 至 72%。 实验评测包含六个 CL-Bench 任务中的 301 个实例，以及 τ³-Bench 中 97 个银行业务实例，覆盖 Gemini 3.7 Flash、GPT-5.6 Sol、Opus 4.7 和 Opus 5 四个语言模型，每个模型重复运行 5 次。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。