研究称LLM自动化科研需周期性遗忘突破瓶颈

发生了什么

据arXiv论文《Scaling Discovery Requires Forgetting》指出，LLM代理在自动化科研中因积累历史而陷入停滞。研究发现，定期丢弃搜索状态（包括会话和候选历史）并从最佳候选者重启，能解锁搜索进程。在启发式编程、内核优化等四项任务中，该方法使并行代理性能提升最高达15%，单代理提升最高达39%。结果表明，对于开放式发现，代理的记忆限制与计算资源同等重要。