论文提出周期性遗忘机制扩展LLM自动发现
热点事件持续更新
论文提出周期性遗忘机制扩展LLM自动发现
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Shangyin Tan 等（UC Berkeley 等机构）在 arXiv 论文《Scaling Discovery Requires Forgetting》（arXiv:2610.20563）中提出，为 LLM 多智能体搜索周期性丢弃会话与候选历史等搜索状态，并从当前最佳候选重启，以突破搜索平台期。作者称这一遗忘机制是进一步扩展自动发现的关键。 作者将遗忘机制实现于可通信的智能体团队，在启发式编程、内核优化和模型训练等四项任务上评估（基于论文摘要）：相较并行智能体最高提升 15%，相较单个智能体最高提升 39%。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
LLM多智能体研究提出周期性遗忘以突破发现搜索平台期报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv · cs.AILLM多智能体研究提出周期性遗忘以突破发现搜索平台期
论文提出为LLM多智能体定期清除会话与候选历史，并从当前最佳候选重启，以突破搜索平台期。基于论文摘要，作者在启发式编程、内核优化和模型训练等四项任务中，将该机制用于可通信的智能体团队；相较并行智能体最高提升15%，相较单个智能体最高提升39%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。