LLM智能体学会自己变聪明,还要人教吗
AI技术

LLM智能体学会自己变聪明,还要人教吗

LLM智能体正在告别"手把手教"的阶段。过去想让智能体变强,得靠人类预设好学习流程,现在研究者反过来问:能力足够强的模型,只给基本工具、算力和一个"自我改进"的目标,它能不能自己设计学习方法?最近一批工作给出的答案是:能。

实验设置很直接。模型参数被冻结,智能体只能靠自己收集经验、更新文本文件来学习,没有任何外部预设流程可依赖。结果它自己摸索出了改进策略,在外部测试里也稳步进步,测试覆盖了不同游戏时长、不同游戏机制,还延伸到3D导航任务。换句话说,智能体不是被"教会"的,而是自己找到了怎么学的门路。

另一条路走的是效率。清华与香港中文大学团队提出缓存工程(Cache Engineering),并开源推理系统AKV,专门压缩KV缓存。长上下文一直是智能体落地的痛点,计算和内存开销压得人喘不过气,AKV直接从缓存层面动手,把这块负担削下来。智能体跑长任务、记长经验时,推理成本和响应速度都能受益。

一边是智能体学会自己找方法,一边是推理系统把资源开销往下压,两条线合在一起看,AI智能体的自主化正在从设想变成工程现实。人类要做的,或许不再是设计学习流程,而是给出目标和工具。