Today for AI
返回热点榜
agent热度 16.4°

AI 聚合热点事件 · 2026/10/30

普林斯顿与 Meta 提出 Self-Direction，用 LoRA 适配器实现智能体持续改进

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/10/30 04:08:34
全景综述与最新动态
1 家信源交叉印证

普林斯顿大学与 Meta 联合发布新论文，提出“Self-Direction”框架，通过将智能体的错误修复经验训练为极小的 LoRA 适配器并动态路由加载，解决传统上下文笔记易遗忘及全量微调成本高的问题。在 Qwen3.6-27B 模型上，该方法使 GAIA 任务成功率从 38.8% 提升至 55.8%，显著优于基于提示词的反思方法。

最新动向/普林斯顿大学与 Meta 联合发布新论文，提出“Self-Direction”框架，通过将智能体的错误修复经验训练为极小的 LoRA 适配器并动态路由加载，解决传统上下文笔记易遗忘及全量微调成本高的问题。在 Qwen3.6-27B 模型上，该方法使 GAIA 任务成功率从 38.8% 提升至 55.8%，显著优于基于提示词的反思方法。

逐小时热度走势

2 个完整观测小时
连续完整观测不足 3 个小时，暂不绘制趋势曲线。

报道时间线

共 1 篇 · 最新优先
  1. Rohan Paul (@rohanpaul_ai)T2·78 分

    普林斯顿与 Meta 提出 Self-Direction，用 LoRA 适配器实现智能体持续改进

    原标题：Nice new paper on continuous improvement of AI agents from Princeton and Meta

    • Self-Direction 框架将智能体的单次错误修复转化为约 0.02% 模型大小的 LoRA 适配器，避免全量微调的高成本与灾难性遗忘。
    • 通过路由器在遇到相似失败任务时自动加载最匹配的适配器，实现跨会话的持久化技能复用。
    • 实验显示该方法在 GAIA 基准测试中将成功率提升近 17 个百分点，且对早期错误的修复保持率远高于单纯重试或上下文笔记。