反复提醒 Agent 之后，怎样让它真的学会？Will Brown 谈企业自己的模型

导读

反复提醒 Agent 的要求，怎样变成它以后能用上的经验？Prime Intellect 的 Will Brown 建议先保存工作记录，把具体反馈做成评测，再针对值得学习的任务考虑训练，不必急着把所有知识塞进模型。企业可以让大模型和小模型完成相同任务，由人或另一个 Agent 比较结果；判断积累起来后，路由系统便有材料学习哪些工作适合较便宜的模型。遇到需要人决定的情境，Agent 也可以带着具体选项回来，人的选择既推进当前任务，又提供清楚的学习标签。Brown 希望像维护代码测试一样维护模型评测，再把生产轨迹整理成训练环境。他设想白天运行 Agent，夜间由人选择实验，利用空闲算力训练；文件检索、技能和记忆仍与训练后的模型共同工作。