记忆驱动智能体自我进化的边际优势积累

在批处理样式跟踪 蒸馏 中，相同的内存操作可能会在不同的批处理中收到矛盾的反馈。现有方法缺乏跨批次、操作级​​的证据积累机制，无法区分稳定有效的操作和意外命中。本文将要求形式化为两个结构条件：可对齐性和可比性，并提出边际优势积累（MAA）。 MAA 构建差异信号以使其跨批次具有可比性，通过 EMA 累积每次操作的签名证据，并通过语义身份合并确保跨批次可追溯性。作为后处理架构，MAA 在 4 个基准和 4 个目标模型的 16 个设置中的 14 个中取得了最佳结果，始终优于现有的批处理级 蒸馏 基线，并在大多数设置中匹配或超越在线替代方案，同时将优化阶段词元消耗减少约 75%。