论文：失败轨迹助agent笔记改进，但效果有限

Arkid Mitra 与 Snehil Saluja 发布 arXiv 论文，用固定权重的 90 亿参数开源模型、由更大的教师模型写笔记，评估 agent 能否从失败轨迹中改进笔记。结论是“能，但低于表面看起来的效果”。在生成的客服决策任务上，基于失败的笔记比不接触失败的流程准确率提升 4.0 个百分点，但仅靠尝试并保留更优笔记的流程已达到总提升的约 60%。 局限同样明确：在完整客服对话中，同样的笔记未显示改进；盲审还判定 240 个工具使用测试项中 146 个有缺陷。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。