论文解读
精读:Agent Memory 如何走向安全自进化
从 MCE、Meta-Harness、Harness Updating、SHE 到 Recuris,理解 agent 如何把轨迹沉淀成 memory / harness,并且在验证门下安全地更新自己。
在该栏目下共发表了 4 篇文章,关注最核心的理论探讨与工程落地。
从 MCE、Meta-Harness、Harness Updating、SHE 到 Recuris,理解 agent 如何把轨迹沉淀成 memory / harness,并且在验证门下安全地更新自己。
主要是从 Stanford CS329A 的方向出发,并进行一轮完整的思考和找 idea
顺着多篇近期工作,理解正交 LoRA 持续学习从子空间隔离、参数不碰撞、梯度投影、合并式更新到双线性失稳的关键假设。
梳理持续学习的定义、任务形态、遗忘与迁移指标,以及 replay、正则化、梯度投影、参数隔离和 PEFT 的方法脉络;对照 O-LoRA 等原论文厘清语言模型常用的短序列、长序列与生成任务协议。