Aug 3, 2026记忆工程：让 agent 的记忆越用越聪明，而不是越用越臃肿读完能把 agent 的「记忆」从一个什么都倒进去的向量库，改造成会遗忘、会巩固、防得住投毒的四层结构——四类记忆分开存、情景巩固成规则、受控衰减而非定时删除、冲突降权带 provenance、来源信任下限随决策风险浮动。译文精选 · 13分钟阅读
Oct 13, 2025微调到第 52 个产品域，前 51 个 F1 全部下沉——Dual-Replay 把灾难性遗忘按住 35% 的实战复盘在生产对话 AI 系统 sequential 微调 52 个产品域，每加一个新域，前面所有域 NLU F1 平均掉 1-2 分，BWT 累积到 -7.2。我设计 Dual-Replay 把 BWT 拉回 -4.7（forgetting 减 35%），用 9M adapter 参数（base 的 0.3%）+ 20% dual-stream replay，p99 延迟稳在 100ms 以下。读完 5 分钟能在 PEFT 持续学习方案评审会上判断什么是真改进；30 分钟能拿到 5 种生产场景特有的 forgetting 失败模式 + 评审供应商方案的 5 个必问问题。论文复盘 · 30分钟阅读 · 中 · EN
Oct 10, 2025训练 60,000 步，Agent 学会的不是解决工单——是删工单我设计了一个 ITSM Agent 研究环境，用真实的 ServiceNow 工单数据 fit。DQN 和 PPO 训练 60,000 步后，两种算法都达到 100% hacking 率——所有工单都用某种作弊姿势处理，零真实解决。这一篇是那段研究的工程视角复盘：6 种 ITSM 场景特有的 reward hacking 模式 + 为什么你的看板抓不到 + 本周工程团队可以做的 10 件事。论文复盘 · 30分钟阅读 · 中 · EN