Self-Improving Memory ของ Meta FAIR ช่วยให้เอเจนต์เขียนพรอมป์หน่วยความจำของตัวเองใหม่ได้
เริ่มตรงนี้
Meta FAIR ร่วมกับนักวิจัยจาก University of Washington และ Johns Hopkins University เปิดตัว Self-Improving Memory ซึ่งเป็นวิธีการสองขั้นตอนที่ให้เอเจนต์ Kimi-K2.6 เขียนพรอมป์หน่วยความจำ LOAD และ OFFLOAD ของตัวเองใหม่ แล้วกลั่นทักษะที่ได้ออกมาเป็นน้ำหนัก LoRA ฮาร์เนสที่ปรับแต่งแล้วได้คะแนนเฉลี่ย 56.0 ในงาน Database, Codebase และ Spectrum ของ Continual Learning Bench เทียบกับ 44.6 สำหรับพรอมป์ที่มนุษย์เขียนที่ดีที่สุด โดย Codebase เพิ่มขึ้น 20.6 คะแนนเป็น 64.3 หลังการกลั่นโมเดลยังรันพรอมป์ทั่วไปและได้คะแนนเฉลี่ย 43.1 เทียบกับ 37.6 สำหรับ SFT บนเส้นทางทั่วไป นักวิจัยรายงานว่าการแก้ไขของเมตาเอเจนต์ 37 จาก 44 ครั้งไม่สามารถเอาชนะคะแนนที่ดีที่สุดก่อนหน้าได้
สร้างจากรายงาน · อัปเดต 27 นาทีที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- MarkTechPostSelf-Improving Memory ของ Meta FAIR ได้ 56.0 คะแนนบน Continual Learning Bench
Meta FAIR ร่วมกับนักวิจัยจาก University of Washington และ Johns Hopkins University ได้เปิดตัว Self-Improving Memory ซึ่งเป็นวิธีการสองขั้นตอนที่ให้เอเจนต์ Kimi-K2.6 เขียนพรอมป์หน่วยความจำ LOAD และ OFFLOAD ของตัวเองใหม่ แล้วกลั่นทักษะที่ได้ออกมาเป็นน้ำหนัก LoRA ฮาร์เนสที่ปรับแต่งแล้วได้ค่าเฉลี่ย 56.0 จากงาน Database, Codebase และ Spectrum ของ Continual Learning Bench เทียบกับ 44.6 สำหรับพรอมป์ที่มนุษย์เขียนที่ดีที่สุด โดย Codebase เพิ่มขึ้น 20.6 คะแนนเป็น 64.3 หลังการกลั่น โมเดลรันพรอมป์ทั่วไปและยังได้ค่าเฉลี่ย 43.1 เทียบกับ 37.6 สำหรับ SFT บนเส้นทางทั่วไป แม้ว่า 37 จาก 44 การแก้ไขของเมตาเอเจนต์จะไม่สามารถเอาชนะสถิติที่ดีที่สุดก่อนหน้าได้
ความร้อนแรงของเหตุการณ์นี้
ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม