Meta FAIR推路由式持续学习架构：API成本可降72%
面对相似任务时，让 agent 复用彼此积累的经验，是一种自然的思路。遗憾的是，并不存在一种在所有场景下都好用的经验保留方式，也无法提前知道某段经验会对哪些未来问题有帮助。 对于持续运行的 agent 系统而言，过往轨迹确实能减少后续任务的重复试错，可一旦不同任务的经验混在一起，也可能造成干扰；如果把所有历史轨迹都统一
让agent把彼此攒下的经验拿来复用，遇到相似任务时这是很顺的想法。问题是，经验该怎么留，没有一种方式在所有场景都好使；也没法事先判断某段经验对将来哪些问题管用。
对持续运行的agent系统来说，过往轨迹能少走重复试错的弯路。可不同任务的经验一旦混到一块，反而会互相干扰。全部历史轨迹统一留着，细节最全，上下文和API成本却跟着涨；把所有经验压成同一种记忆形式，又可能丢掉只对特定任务有用的信息。
为此，Meta FAIR团队提出了“路由式持续学习”（Routed Continual Learning，Routed CL）。这套架构把历史轨迹归入不同的簇（cluster），每个簇单独维护一套记忆。每次运行前，基于LLM的路由器会看当前问题、可用记忆系统的说明和已有簇的摘要，先判断任务跟哪一类历史经验最接近，再决定复用某个簇还是新建一个簇。
论文链接：https://arxiv.org/abs/2610.38796
架构有两个核心特性。一是透明部署：它能直接接进现有agent系统，各agent不用彼此协同，原有运行方式也不用改。二是路由：Routed CL除了判断哪些任务该共享经验，还要从固定的记忆系统库里挑出经验的保存方式。有的任务适合留原始轨迹，有的更适合提炼可复用的推理策略，还有的可能需要结构化的数值状态。这样一来，所有任务不必共用同一种记忆表示。
他们还做了个上下文记忆适配器（Context Memory Adapter），用来连接记忆系统和agent。任务开始前，它把对应簇里的记忆写进agent上下文；任务完成后，再用当前轨迹更新该簇。
评估用的是一条混合了多种任务的任务流。评测包含六个CL-Bench任务中的301个实例，外加τ³-Bench里97个银行业务实例，每个实例都是一场多轮客服对话。不同来源的实例交错排列，系统处理时拿不到显式的实例标签。实验覆盖Gemini 3.7 Flash、GPT-5.6 Sol、Opus 4.7和Opus 5四个语言模型，每个模型重复跑5次，以压低随机性带来的影响。
对比只用单一全局上下文学习历史的Global ICL，Routed CL的归一化奖励提升幅度相当于最大可达归一化奖励的15%至30%，估算API成本则降低65%至72%。它的平均归一化奖励也高过仅ICL聚类的方案。
图｜五次配对执行的平均归一化奖励与平均估算API成本的关系
四个模型上，Routed CL的平均归一化奖励都高于Stateless ICL、Global ICL与Routed ICL三种对照方案。他们据此认为，持续学习的关键不在记得越多越好，而要同时回答两个问题：经验以什么形式保留，哪些经验值得放在一起复用。
结果还显示，Global ICL在不同评测设置里表现差得很远。原始CL-Bench中各类任务分别运行，那时Stateless ICL曾是表现最强的方案之一；多个任务交错进同一条流之后，Global ICL相比无状态条件的平均归一化奖励只多了0.015。可见全局记忆真正的麻烦不只是容量有限，不同任务的经验还会互相干扰。
当然，这不代表Routed CL已经把持续学习的问题全解决了。他们承认，当前实验按顺序处理任务，每次rollout用一个语言模型当执行者（actor），记忆系统里所有由模型中介的角色也由它一并承担。设计上已经考虑了不同记忆簇之间的隔离和更新一致性，但并发更新、读到旧版本状态、不同模型复用同一簇状态这几种情况都还没评估。
他们还提到，将来一个任务或许能同时调用多个记忆簇；一次新的运行轨迹也能同时更新多个簇，甚至以不同形式写进记忆。
更多技术细节，详见原论文。
