一篇新论文对基于记忆的自我改进智能体提出了重新评估，结论有些出人意料：此前报告的性能增益，可能主要来自评估过程中的噪声，而非智能体本身的记忆能力。

研究团队补充了此前工作忽略的两个关键变量：多次运行的测量方差，以及随机打乱任务顺序。结果显示，这两项调整都显著降低了智能体的性能表现。

打开网易新闻 查看精彩图片

课程学习是主因

论文指出，默认任务顺序中隐含的“课程学习”（由易到难）才是报告增益的主要来源。当任务顺序被随机化后，增益大幅缩水。

有趣的是，添加详细的评分标准与环境反馈，可以部分恢复性能，但与此前报告的差距依然明显。这意味着，此前部分结论的可靠性需要打上问号。