近日，学术圈围绕“微调已死”的讨论愈演愈烈。斯坦福等机构提出的“主动式上下文工程”技术，展示了让大模型无需微调即可自我提升的潜力。而事实上，谷歌早前一篇关于《ReasoningBank: Scaling Agent Self-Evolving with Reasoning Memory》的研究，已率先提出了类似的创新框架——通过构建一个能够从成功与失败中双向学习的“推理记忆库”，使AI智能体实现了在任务执行中的持续自我进化。
这一突破的核心在于，谷歌研究者摒弃了传统依赖海量标注数据与重复微调的模式，转而让智能体在真实环境中通过实践积累经验，并从中提炼可复用的思维模式。正如论文所展示，ReasoningBank作为一个结构化记忆框架，能够从智能体自身的成功策略与失败教训中抽象出可操作的原则，形成“经验-提炼-应用-再提炼”的完整闭环。
深度进化：从“记忆库”到“思维引擎”
ReasoningBank的创新性体现在多个层面。其记忆单元经过精心设计，包含标题、描述与内容三部分，既保留了推理精髓，又具备高度可移植性。当智能体面对新任务时，它能快速检索相关记忆指导决策，有效避开已知陷阱，提升解决效率。
更值得关注的是，谷歌在此基础上提出了“记忆感知的测试时扩展”（MaTTS）技术，通过并行与顺序两种扩展模式的巧妙结合，实现了记忆质量与探索深度的正向循环。在并行扩展中，智能体通过多路径探索对比不同解决方案，筛选出最可靠的推理模式；而在顺序扩展中，它则通过迭代优化，将中间修正过程也转化为宝贵的学习素材。
这种设计使得AI不再仅仅是执行任务的工具，而是拥有了类似人类的“经验学习”能力——它能够从错误中反思，从成功中总结，并将这些洞察系统化地融入后续的决策过程。
实践验证：效率与效果的双重提升
在WebArena、Mind2Web和SWE-Bench等具有挑战性的测试环境中，ReasoningBank展现出了显著优势。实验数据显示，该方法在部分任务上实现了高达34.2%的性能提升，同时将交互步骤减少了16.0%。这种“既好又快”的表现，充分证明了基于记忆的自我进化路径的可行性。
特别值得注意的是，当ReasoningBank与MaTTS协同工作时，产生了“1+1>2”的效果。研究者发现，高质量的記憶能够引导扩展过程走向更有前景的探索方向，而丰富的扩展经验又反过来锤炼出更精炼的记忆内容——这种正反馈循环为AI能力的持续提升打开了新的可能性。
范式转变：AI进化进入“自主驱动”时代
谷歌这项研究的深远意义在于，它为大模型的进化提供了一条全新的路径。传统的“预训练-微调”范式虽然有效，但依赖大量人工干预与标注数据，成本高昂且灵活性不足。而ReasoningBank展示的自我进化能力，让AI能够更自主地适应复杂多变的环境需求。
这不仅是技术层面的进步，更代表着AI研发理念的转变：从依赖外部“投喂”到激发内部“成长”，从静态的知识库到动态的思维体系。正如网友所期待的，这种能够实时从错误中学习并调整策略的AI，更接近我们理想中智能体的形态——具备持续成长的生命力。
随着“微调已死”的呼声渐起，ReasoningBank等技术的出现，正在重新定义AI系统的学习方式。在不久的将来，我们或许会见证一个由自我进化智能体主导的新时代——那里的AI不再是被动执行指令的工具，而是能够在实践中不断反思、总结、超越的自主认知主体。
地址：山东省烟台市开发区南昌大街48号
