让智能体记住失败：Self-Direction 将错误转化为可复用经验

导语

智能体会不会真正从错误中学习，决定了它能否从“能完成一次任务”走向“持续变得可靠”。现实中的智能体通常有两种修复方式：在当前上下文中反思并重试，或通过微调整个模型把经验写入参数。前者容易随会话结束而丢失，后者成本较高，还可能干扰模型原有能力。论文《Don't Forget What You Just Learned》提出的 Self-Direction，试图在两者之间建立一条更实用的路径。

核心机制：把一次反思保存下来

当智能体执行任务失败时，Self-Direction 不只是要求它重新尝试，而是先分析自己的执行轨迹，提炼出导致失败的经验教训。随后，系统把这条教训蒸馏为一个轻量级低秩适配器，并将其保存到持久化的经验库中。

后续遇到相似问题时，系统会自动检索并路由相关适配器，让模型在需要时加载对应经验。基础模型参数保持冻结，因此单条经验的训练不会直接覆盖原有权重。论文称，每个适配器新增的训练参数约相当于基础模型参数量的0.02%，为“持续学习”提供了比全参数微调更轻量的实现方式。

实验结果

研究者使用基于 Qwen 系列开放权重模型的智能体，在三类任务上进行测试：开放式研究任务 GAIA、工具调用工作流 Claw-Eval，以及终端操作任务 Terminal-Bench 2.1。摘要显示，Self-Direction 带来了8.9至17.0个百分点的整体成功率提升，表现可与前沿系统竞争。

论文还观察到两个重要现象：第一，智能体在未来再次遇到类似任务时，重复犯错的情况减少，纠错可靠性接近翻倍；第二，少量适配器可以迁移到数十个新任务，而不需要为每项任务重新训练。这说明被保存的经验不一定只是针对某个具体案例的补丁，也可能包含更一般化的解决策略。

意义与限制

Self-Direction 的价值，在于把“反思”从一次性的提示词行为变成了可管理、可调用的经验资产。对于需要长期运行的研究助理、自动化工具使用者和终端操作智能体，这种机制有望降低同类错误反复出现的概率，同时避免频繁进行昂贵的全量微调。

不过，现有材料主要提供了方法概述和基准结果，尚不足以判断经验库规模扩大后的路由成本、错误经验是否会被长期保存，以及不同适配器之间发生冲突时应如何处理。换言之，Self-Direction 展示了智能体长期学习的一种工程路径，但经验筛选、评估与遗忘机制，仍是落地时需要继续研究的问题。

来源：arXiv