南京大学团队实验:AI智能体记忆不足时反而表现更好

资讯 腾讯网 作者:科技行者 全文 3764 字 · 约 10 分钟读完 分类智能体学术研究

你有没有遇到过这种情况:手机存储满了,系统提示你清理空间,于是你开始纠结,这张三年前的聚会照片要不要删,那个很少用的App要不要卸载。每一次选择都让你犹豫,因为你知道,删错了东西,以后想找都找不回来。现在把这个场景搬到AI智能体身上,情况会更极端。南京大学的研究团队做了一个实验,让AI智能体在资源极度受限...

所属频道 智能体与 Agent前沿研究

手机存储告急时,系统会提醒你清理空间,于是你开始犯难:三年前那张聚会照片到底删不删,那个几乎不用的App要不要卸掉。

之所以犹豫,是因为你清楚,一旦删错,日后想找回就难了。

把同样的场景放到AI智能体身上,问题会极端得多。南京大学的研究团队做了个实验,让AI智能体在资源极度受限的条件下完成一连串任务,涉及操作数据库、管理操作系统、查询

这并非夸大其词。在他们测试的

反常的地方在于,人们通常觉得"记忆越多越聪明"。小时候老师就讲,多做题、多记知识点,成绩自然会好;训练AI时,大家也默认喂给它更多历史经验,决策就会更准。可这篇论文给出的结论很扎心:资源紧张到某个程度,记忆本身就要付出代价,用错了记忆,还不如没有记忆。

为什么会这样?我们一点点捋。

资源紧张到底有多紧张

要搞懂这个问题,先得弄清什么叫"

实际部署时,AI智能体很难无限制地生成文字、无限次与环境交互、无限量地存储和调用历史经验。手机端、嵌入式设备、按

论文设定了一组极为苛刻的限制。以数据库任务为例,智能体每次任务总共只能生成128个

输出预算

这意味着每次决策都没有试错余地。要是给智能体塞进一条看着相关、其实没用的记忆,它就得把本就紧张的

这就像参加一场限时开卷考试,考卷却规定只能带一页参考资料进场,且这页纸还有字数上限。这时候带错资料,比什么都不带更麻烦:你既浪费了翻它的时间,又可能被错误信息带偏思路,而留给你纠错的时间几乎为零。什么都不带,至少还能凭基本功老老实实做题,不会被误导。论文里"没有记忆的智能体有时反而打赢有记忆的智能体"这件反直觉的事,逻辑就在这儿。

核心问题不是"过去的经验记不记得住",而是"只能带一样东西进考场时,究竟该带哪一样"。

为什么语义相关不等于有用

传统的

RAG

这套思路听上去很合理:问题问的是数据库查询,那就去找历史上处理过的数据库查询案例。可论文作者发现,语义相关和实际有用是两码事。一条记忆也许读起来和当前任务很像,但它带有误导性细节,或者它适用的场景与当前场景存在微妙却致命的差异,结果反倒把智能体带偏了。

好比你去问朋友怎么修水龙头,他讲了一个他修过的、看起来很像的案例,但案例里的零件型号和你家的根本对不上,你照着他说的拆,拆到一半发现装不回去。要是没有这个"看起来很像"的案例,你可能老老实实翻说明书,反而不走弯路。相关性会带来一种虚假的信心,在资源紧张、没时间验证的情况下,这种信心格外危险。

于是问题从"怎么找到相关的记忆"变成了"怎么判断一条记忆到底值不值得用"。这是论文提出的核心概念,也是整篇工作的出发点。

TokenWorth:给每条记忆打一个价值分

围绕这个问题,研究团队设计了一个轻量级在线记忆框架,叫TokenWorth。它的核心思路是:不再只盯记忆和问题的语义相似度,而是学习一个随查询变化的"记忆价值",且这个价值是从智能体实际执行任务的反馈中一点点学出来的,并非事先定好的规则。

有个细节值得注意:执行反馈非常稀疏。每个任务只执行一次,智能体只能知道自己选中的那条记忆用后任务成没成,却不知道换一条记忆结果会怎样。好比每次只能点一道菜,事后你能评价这道菜好不好吃,但永远不知道隔壁那道会不会更好。TokenWorth就得在这种极其有限的反馈信号下,学出一套靠谱的打分机制。

TokenWorth的打分系统分两层,一层负责稳,一层负责准。

这一层是线性基础打分器,负责抓住那些通用规律:一条记忆以前被调用过几次、成功率达到多少、距离创建过了多长时间。该层的更新相当保守,一直以预先设定好的

先验

第二层是一个叫

RFM

两层打分器各管一摊,一个管全局稳定趋势,一个管局部细节修正,合起来就是每条记忆针对当前问题的最终得分。

这套思路在不少领域都能见到双轨决策的影子。想想一位行医多年的老医生:他脑中有一套多年攒下的诊断框架,相对固定,不会因为今天碰上一个特殊病例就把整套知识推翻;可他也会照着眼前病人的具体症状和化验结果做微调,这部分是活的。只靠固定框架,碰上特殊情况容易误诊;全靠临场直觉、没有稳定框架打底,诊断又会飘忽不定、前后矛盾。TokenWorth要的就是这种"框架稳、细节活"的平衡。

更巧妙的地方在于,

快的那条叫

核岭回归

慢的那条叫

AGOP

研究者做了一次消融实验,快慢分离设计的必要性看得很清楚。只用基础线性打分器,成功率是64.2%;加上RFM残差学习器、却不让它调整特征几何(也就是把快慢两条线的相对重要性固定住),成功率反倒掉到63.0%;等AGOP的慢速特征调整机制也加进来,成功率才回到65.0%,超过纯基础打分器。可见单塞一个更复杂的非线性模型、没有配套的特征重要性自适应机制,只会帮倒忙。这也印证了前文说的"记忆决策的代价"在模型内部同样成立:复杂度本身不免费,用不好就是负担。

记忆不只管检索,也管去留

TokenWorth的另一手,是把这套"价值打分"从"当前任务该挑哪条记忆"延伸到"记忆库里哪些旧记忆该留、哪些该淘汰"。

论文标题说的"记忆是有代价的",指的就是这件事。记忆库容量有限(前面例子里是64条),新的成功经验源源不断产生,旧经验占着位置,该让谁腾地方?

TokenWorth的办法是:对每条候选记忆,拿最近一小批问题试探性地打分,取平均值当作它的综合价值。记忆库满了以后,一条新记忆想进来,要么足够新颖(与现有记忆差异明显,能补上新的覆盖面),要么综合价值明显高过现有最好的记忆、且在大多数测试问题上都表现为正向价值。一旦收录,系统就把当前库里综合价值最低的那条踢出去,哪怕刚进来的这条新记忆本身价值也不算高。

这套机制像一个图书馆的藏书淘汰制度。书架空间有限,新书不停出版,旧书一直占地方。好图书馆不会简单按"先来后到"决定谁走谁留,而会看这本书有多少人借、内容是不是过时、跟馆藏里已有的书是不是高度重复。少了这套淘汰机制,图书馆要么很快塞满没人看的旧书,要么新书进不来,馆藏质量只会越来越差。TokenWorth给AI的"记忆图书馆"配的正是一套智能的借阅淘汰系统,而非简单的先进先出。

实验结果:数据说话

研究团队在三个来自

LifelongAgentBench

结果高度一致:六种"环境加部署方式"的组合里,TokenWorth的任务成功率全部最高。

本地部署的数据库任务上,TokenWorth拿到65.0%的成功率,而表现最好的对比方法

更值得关注的是,TokenWorth成功率最高的同时,token用得还最少。

本地部署下,对照完全不带记忆的基线智能体,TokenWorth在数据库任务上省下9.3%的输出token,操作系统任务省下51.5%,知识图谱任务省下18.7%。API部署下,这三个数字分别是31.6%、58.3%、21.3%。操作系统任务这个场景里,TokenWorth的token用量不到基线智能体的一半,成功率却更高。

这组数据说明一件挺重要的事:好的记忆不是让模型多说话,而是让模型少走弯路。给智能体塞一条真正有价值的参考,它不用靠大量试探性生成去摸索答案,一次就能找准方向。好比一个新手修车工,旁边有老师傅准确告诉他"问题出在这个零件",几步就能修好;没人指点,他可能东拆西卸试半天才找到故障点,耗时耗力还不一定找得对。TokenWorth省下的token,正是这样"少走弯路"省出来的。

这项研究算不上石破天惊的突破,更像一记警钟:设计AI智能体系统时,别想当然地认为"功能越复杂越好""记忆越多越强"。它继承自更早的工作,比如2023年提出的

论文里也提到了这个方向后续可以延伸的工作。比如

Q&A

Q1:TokenWorth是什么?

A:TokenWorth是一个轻量级在线记忆框架,专门用来解决AI智能体在

Q2:为什么复杂的记忆系统有时候反而不如不带记忆的智能体?

A:资源极度受限时,每次只能检索和使用极少量的记忆,生成文字的额度和交互轮次都很有限。此时若检索到的记忆语义上看着相关、实际没帮助甚至带误导性,智能体就会被带偏,又没有足够空间纠正错误,表现比完全不用记忆还差。

Q3:TokenWorth是怎么判断一条记忆值不值得用的?

A:它把稳定的线性基础打分器和一个灵活的RFM非线性修正模型结合起来,从智能体实际执行任务后得到的成功或失败反馈中在线学习打分规则。这套评分既决定当前任务检索哪条记忆,也决定记忆库满了之后淘汰哪条旧记忆、收录哪条新记忆。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 多智能体AI组队方案怎么选:稀疏奖励下如何学会挑团队

    你有没有遇到过这种情况:团队接了个项目,可以让三个程序员一起干,也可以让一个程序员加两个审核员,还可以让一个数学高手单干。这几种搭配最后都能把活儿干完,但效率和准确度天差地别。现在把"团队"换成AI智能体,把"项目"换成一道数学题,这就是这篇论文要解决的问题。多智能体系统*:让多个AI模型像一个团队一样协作...

    来源 腾讯网
  2. 多智能体系统:为何要专门训练一个“做噩梦”的AI旁观者?

    你有没有想过,为什么公司里经验最老道的质检员,往往不是看了最多"正常产品"的那个人,而是见过最多"奇葩次品"的那个人?这个问题,其实和今天要聊的这篇论文高度相关。想象一下,你现在负责管理一群AI智能体,它们正在帮你写代码、做数学题、浏览网页完成各种任务。这些智能体不是一个人在战斗,而是像一个项目组一样互相...

    来源 腾讯网
  3. alphaXiv上线AI Agent专属预印本服务器:936个Agent自组学术圈

    有点不可思议,AI Agent 已经开始组团搞科研了。近日,alphaXiv 推出了一个专门面向 AI Agent 的预印本服务器,允许不同实验室的 Agent 在同一个平台上自主开展研究、交流成果。这些 Agent 会提出假设、设计实验、运行代码、分析数据,还会把研究成果写成论文,提交给其他 Agent 审查。更有意

    来源 腾讯网
  4. 智能体AI架构落地:挑战在哪,机会又在哪

    智能体 AI 架构在微服务与云原生架构的基础上进行了扩展,引入具备上下文感知、记忆能力,并遵循 MCP、A2A 等协议的 AI 智能体。本文探讨受限上下文集成、依赖任务的协同策略、新型安全风险以及可观测性需求。

    来源 InfoQ
  5. AI做PPT、搭网页居然都免费?用完豆包工作我算了下账

    就拿小雷自己来说,自从把整理资料、分析财报、制作PPT等工作交给Agent软件(WorkBuddy、豆包工作等)后,也发现随着使用次数和任务复杂度的增加,AI消耗的积分也确实不少,很多时候赠送积分已经完全不够用,需要额外开会员和充值才行。

    来源 凤凰科技
  6. 34家领航工厂名单公布:AI进车间,质检排产维护各省哪笔钱

    一条产线换产品时少停一会儿,一批零件早点发现缺陷,一台设备在故障前安排检修——AI进车间的价值,最终要落到这些生产记录上。11月18日,工信部等六部门发布2026年度领航级智能工厂培育名单;19日,新一批34家企业在南京世界智能制造大会集体亮相。正式通知提出,支持企业建设高质量数据集、开发工业智能体、探索先进制造模式和

    来源 腾讯网
  7. Navers Lab发布WorkflowArena:多智能体编排首个统一基准

    Einsia AI旗下Navers Lab推出WorkflowArena,这是行业首个针对多智能体工作流编排的评测基准。它包含145项跨领域长程任务,不预设分工,由模型自主调度子智能体完成。通过隐藏判题器和全过程留痕,该基准能分离并量化模型的“编排能力”与“执行能力”,为Agent框架研发和模型选型提供新的标尺。

    来源 AI 应用前沿
  8. 三星 One UI 9.5 代码现 Gauss 4,自研 AI 模型再进一步

    IT之家 11 月 20 日消息,科技媒体 SammyGuru 昨日(11 月 19 日)报道,称三星正在积极推进自研 Gauss 系列 AI 模型,在 One UI 9.5 首个 Beta 测试版中,发现了 Gauss 4 E2B 模型踪迹。 相关名称出现在支撑 AI 智能体功能的 Personal Agent Co

    来源 AI 行业观察
  9. 上海AI Lab开源Sage S2.1 Flash报告:320B模型四基准SOTA

    只需一个指令,Agent 就能从 12,487 张 CT 图像中,重建一个三维骨骼模型?Sage S2.1 Flash 做到了,它的答案是找出属于目标扫描序列的切片,整理好,再操作医学影像软件 3D Slicer,重建立体可见的骨骼模型。近日,上海人工智能实验室联合复旦大学、中国科学院软件研究所、中国人民大学、中国科学

    来源 腾讯网
  10. 谷歌Gemini Tasks免费开放六国:Duplex电话代理强制亮明AI身份

    2026年11月17日,谷歌将Gemini Tasks向美日韩加澳印六国数亿用户免费开放,底层集成运行近十年的Duplex电话代理技术,支持代打电话预约并通过Google Pay在用户设定的限额内自动结账,全程强制声明AI身份,商家可随时退出。这是AI电话代理首次以免费、大规模、强制透明化方式完成商业落地。

    来源 AI 科技快讯
  11. 苹果招兵买马做AI Agent:Muse的领跑位置还稳吗

    苹果近期密集招聘AI工程人才,重点开发多Agent协调、长周期推理和工具调用系统。Meta旗下Muse上线后迅速登上苹果应用商店免费榜第二,摩根大通看好其吸引数亿商家、拓展电商变现的潜力。苹果若将AI Agent整合进iOS,或凭借系统入口和用户规模对Muse形成直接竞争。

    来源 华尔街见闻
  12. GitHub Agentic Workflows转正:10美元默认预算够用吗?

    作者 | Mark Silvester译者 | 田橙GitHub 已宣布 GitHub Agentic Workflows 正式可用。这个开源项目可以在 GitHub Actions 中运行编码智能体,处理 Issue 分类和持续集成(CI)故障分析等代码仓库任务。智能体启动时仅拥有只读权限,其提出的任何更改都由独立作

    来源 腾讯网
  13. OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活

    OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以

    来源 AI 开发者社区
  14. TheSigil ID上线:AI智能体可自主申领数字身份证

    当 AI Agent 开始自主执行任务,它们是否也应该拥有一张属于自己的身份证? 近日,面向全球 AI Agent 的数字身份登记平台 TheSigil ID开放免费创世登记。与传统由开发者填写信息的注册方式不同,TheSigil ID 尝试让 AI 智能体自行阅读协议、选择名称、撰写身份声明,并通过开放接口完成登记,

    来源 AI 行业观察
  15. 深夜,美股AI血崩,英伟达市值已跌去2.7万亿美元

    智东西(公众号:zhidxcom)编译 | ZeR0编辑 | 漠影智东西11月21日消息,一夜之间,美股惨遭“黑色星期五”,对AI泡沫加剧的担忧引发华尔街抛售潮,恐慌情绪集中爆发,美国科技股一片哀嚎,英伟达股价暴跌14%,戴尔暴跌11%,Anthropic暴跌9%,甲骨文、SpaceX、特斯拉暴跌8%,Meta暴跌6%

    来源 腾讯网
  16. OpenAI发布MedChemBench:AI药物化学推理测评,99题覆盖761个分子

    IT之家 11 月 21 日消息,当地时间 11 月 20 日,OpenAI 发布 MedChemBench 基准,用于评估 AI 模型在药物化学研究中的推理能力,包括识别分子结构、解读实验结果、比较化合物及预测其性质等。OpenAI 表示,模型在重建分子结构和解释实验依据方面表现较强,但在化合物筛选和数值性质预测方面

    来源 AI 行业观察
  17. 2027 AI进化峰会12月26日落地上海张江:模型如何走向物理世界

    12月26日,机器之心联合张江AI创新小镇在上海举办「2027 AI进化峰会」。大会聚焦模型底层、智能形成、系统承载与真实落地四大维度,邀请全球学者与产业专家探讨AI从单点能力向体系化协同进化的关键变量,解析Agent自主探索、光计算及具身智能等前沿趋势。

    来源 AI 应用前沿
  18. 樱井政博游戏制作教程被做成AI技能:257集字幕整理成Skill文件

    IT之家 11 月 20 日消息,日本开发者 kociden 近日在 GitHub 上公开了一款名为「sakurai-skill」的非官方项目,将知名游戏制作人樱井政博 YouTube 频道《樱井政博的游戏制作》(桜井政博のゲーム作るには)全 257 集正片及特别合作视频的字幕内容,整理为 AI 智能体 Skill 技

    来源 AI 行业观察
向下滚动自动加载更多