ReasoningBank by Google

智能体两次都会以同样的方式失败。目前没有任何现有记忆系统探究其中原因。

ReasoningBank 是谷歌研究院推出的一个框架，它从成功和失败的任务轨迹中提炼出结构化推理策略，让智能体拥有随时间不断累积的记忆。

项目介绍：

这是一个开源智能体记忆系统，能够持续从智能体的行为、有效方法，以及至关重要的失败案例中提取可复用的洞见。

现存问题：

现有方案要么记录原始动作序列（噪声太大无法复用），要么只记录成功流程（丢弃了最有价值的学习信号）。两种方式都无法生成可迁移的推理能力。智能体始终会卡在相同的策略盲点中。

核心差异：

ReasoningBank 从失败中挖掘反事实洞见。当智能体陷入无限滚动循环时，它不只是记录错误，还会提炼出预防策略：在尝试加载更多内容之前验证页面标识符。这就是存储检查清单与构建心智模型之间的区别。

主要特性：

- 包含标题、描述和提炼推理内容的结构化记忆项

- 部署期间持续进行检索、提取和整合循环

- 通过并行与顺序轨迹比较实现记忆感知测试时缩放（MaTTS）

目标用户：

正在为网页导航、软件工程或任何持久性多步骤任务环境构建基于大语言模型智能体的机器学习研究者和AI智能体工程师。

实验效果：

对比无记忆基线，在WebArena上任务成功率提升8.3%，在SWE-Bench-Verified上提升4.6%，每个任务平均减少约3个执行步骤。MaTTS还能进一步放大增益。

点赞

举报

分享

1个月前