自进化AI新突破，Meta提出「路由式持续学习」新架构：API成本可降低72%

面对类似任务时，让智能体互相利用各自积累的经验，是一个很自然的想法。但遗憾的是，没有一种经验保存方式能在所有情况下都表现出色，也无法预先知道某段经验会对哪些未来任务有所帮助。

对于持续运行的智能体系统而言，过往的轨迹确实能减少后续任务的试错次数，但一旦不同任务的经验混合在一起，就可能产生干扰；如果将所有历史轨迹原封不动地保留，细节确实最完整，但这会增加上下文和 API 成本；而如果将所有经验压缩成统一的记忆形式，又可能丢失仅对特定任务有用的信息。

为此，Meta FAIR 团队提出了“路由式持续学习”（Routed Continual Learning，Routed CL）。这一架构将历史轨迹划分为不同的簇，并为每个簇单独维护一套记忆。在每次运行之前，基于 LLM 的路由器会根据当前问题、可用记忆系统的说明以及现有簇的摘要，先判断该任务与哪一类历史经验最接近，然后决定是复用某个现有簇，还是创建一个新簇。

论文链接：https://arxiv.org/abs/2610.38796

该架构具备两个核心特点。其一是透明部署：它可以无缝集成到现有的智能体系统中，无需各智能体之间协同，也不改变原有的运行方式；其二是路由：Routed CL 不仅决定哪些任务应该共享经验，还会从固定的记忆系统库中选择经验的保存方式。有些任务适合保留原始轨迹，有些任务更适合提炼可复用的推理策略，而另一些任务可能需要结构化的数值状态。因此，所有任务不必使用同一种记忆表示。

他们还设计了上下文记忆适配器（Context Memory Adapter），用于连接记忆系统和智能体。它会在任务开始前，将对应簇中的记忆写入智能体的上下文，并在任务完成后，用当前轨迹更新该簇。

他们在包含多种任务的任务流上评估了这套架构。评测涵盖了六个 CL-Bench 任务中的 301 个实例，以及 τ³-Bench 中的 97 个银行业务实例，每个实例都是一场多轮客服对话。来自不同来源的实例被交错排列，系统需要在没有显式实例标签的情况下处理它们。实验使用了 Gemini 3.7 Flash、GPT-5.6 Sol、Opus 4.7 和 Opus 5 四个语言模型，每个模型都重复运行了 5 次，以降低随机性的影响。

结果显示，与仅使用单一全局上下文学习历史的 Global ICL 相比，Routed CL 的归一化奖励提升幅度相当于最大可达归一化奖励的 15% 到 30%，并且估算的 API 成本降低了 65% 到 72%。它的平均归一化奖励也高于仅 ICL 聚类的方案。

在四个模型上，Routed CL 的平均归一化奖励均高于 Stateless ICL、Global ICL 和 Routed ICL 三种对照方案。据此，他们认为，持续学习的关键并不在于记住越多越好，而是需要同时做出两个判断：经验以什么形式保留，以及哪些经验值得放在一起复用。

结果还显示，Global ICL 在不同评测设置中的表现差异很大。在原始 CL-Bench 中，各类任务是分别运行的，此时 Stateless ICL 曾是表现最强的方案之一；但当多个任务被交错到同一条流中时，Global ICL 相比无状态条件的平均归一化奖励仅增加了 0.015。这说明，全局记忆真正的问题并不只是容量有限，而是不同任务的经验会相互干扰。

当然，这并不意味着 Routed CL 已经解决了持续学习的所有问题。他们承认，目前的实验是按顺序处理任务的，每次 rollout 使用一个语言模型作为执行者，并同时承担记忆系统中所有由模型中介的角色。虽然系统在设计上已经考虑了不同记忆簇之间的隔离和更新一致性，但尚未评估并发更新、读取到旧版本状态，以及不同模型之间复用同一簇状态的情况。

他们同时指出，未来一个任务或许可以同时调用多个记忆簇；一次新的运行轨迹，也可以同时更新多个簇，甚至以不同形式写入记忆。

更多技术细节，详见原论文。