清华 NeurIPS2026 研究把「自我进化技能」训进智能体大脑,对比外挂模式优势在哪?
2026-11-17 阅读 1
如果这里的“训进大脑”指把技能通过训练内化到智能体参数或策略中,而“外挂”指运行时检索一份外部技能说明、再按说明执行,核心差别是技能知识放在哪里、怎样被调用。
内化的优势主要在执行的连贯性:模型可以把技能步骤与情境判断、已有知识一起使用,不必每次先检索和解析说明;在高频、稳定、需要多步衔接的任务上,通常有机会降低调用开销和提示词依赖,也更容易把技能迁移到表述不同但结构相似的情境。技能若能在训练中与错误反馈共同调整,智能体还可能学会何时用、何时不用,而不只是照单操作。
外挂模式的长处则是可更新、可检查、可组合:技能规则改了不必重新训练,来源和边界较容易审阅,也能按任务临时装载,避免把所有技能都塞进模型。它还可减少技能内容被训练过程“记偏”或与其他能力相互干扰的风险。代价是检索可能漏掉或选错技能,说明文本会占上下文,执行质量受解析能力和提示设计影响。
因此,“内化”不等于全面胜出。若技能变化快、要求可审计,或涉及精确流程和外部约束,外挂更稳妥;若技能长期稳定、使用频繁,且需要与推理紧密耦合,内化更有吸引力。实践上也可以混合:把常用的判断与操作模式学进模型,同时把易变参数、权威依据和安全边界留在外部,并在运行时核验。仅凭“训进大脑”这一描述,不能推出该研究在所有任务上都优于外挂,仍要看论文具体任务、基线和评测结果。
更新于 2026年11月17日
赞 0