مقاله‌ی arXiv:2610.12668 · منتشرشده در کانال
Recurrent Harness for Agentic Continual Learning
هارنس بازگشتی برای یادگیری پیوسته‌ی ایجنت: بازخورد هر نمونه بازتاب‌های قبلی را هم اصلاح می‌کند
- تاریخ
- (۱۶ مهر ۱۴۰۵) 2026-10-08 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Yuxin Xiao, Zhiyun Lu, Jianyu Wang, Yangtian Zhang, Yang Song, Qifan Wang, Bailin Wang
- نهاد نویسنده‌ها
- Massachusetts Institute of Technology; Meta; Yale University
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
ایجنت‌های مدل زبانی بیشتر روی جریان‌های طولانی تعامل کار می‌کنند و باید با یادگیری پیوسته به‌طور آنلاین با تغییر توزیع سازگار شوند. هارنس‌های موجود یا وضعیتشان را فقط با جریان رو به جلوی اطلاعات تکامل می‌دهند یا برای بهینه‌سازی به داده‌ی بازپخش یا اعتبارسنجی اضافه نیاز دارند.
روش
چارچوب ReHarness خواندن و نوشتن رو به جلو را با اصلاح رو به عقب، زیر یک پروتکل کاملاً آنلاین، تکمیل می‌کند. بعد از هر نمونه، مسیر حاصل به عنوان بازخورد برای اصلاح بازتاب‌هایی که برای آن نمونه بازیابی شده بودند به کار می‌رود، پس بازخورد به عقب در وضعیت متنی هارنس منتشر می‌شود و همان خطا به نمونه‌های آینده نمی‌رسد.
یافته‌ها
- در سه بنچمارک یادگیری پیوسته و سه مدل پایه، پیوسته از پایه‌های قوی کانتکست خام، روش‌های مبتنی بر حافظه و بازتاب و روش‌های بهینه‌سازی پرامپت بهتر بود.
- اصلاح‌ها مبتنی بر منبع و معنادار بودند، تجربه‌های بیش‌تعمیم‌یافته یا کهنه را زیر تغییر توزیع اصلاح کردند و هم پایداری و هم انعطاف یادگیری را بهتر کردند.
محدودیت‌ها
مقاله بخش جداگانه‌ای برای محدودیت‌ها ندارد و چکیده عدد مشخصی برای اندازه‌ی بهبود نمی‌دهد.
چرا مهم است
حافظه‌ی بازتابی ایجنت‌ها معمولاً فقط اضافه می‌شود و درس‌های غلط باقی می‌مانند. این کار نشان می‌دهد اصلاح درس‌های قبلی با بازخورد تازه، یادگیری پیوسته را قابل اعتمادتر می‌کند.