新一代框架MIA：讓智能體告別「失憶式工作」，在持續(xù)進(jìn)化中變強(qiáng)

本文共同一作是上海創(chuàng)智學(xué)院博士生喬靜陽(yáng)、孟煒程，通訊作者是華東師范大學(xué)張志忠副教授，項(xiàng)目主導(dǎo)人是國(guó)家優(yōu)青謝源教授。

Never memorize something that you can look up.

• — Albert Einstein

如今的大多數(shù)智能體，仍然活在一種「失憶式工作」模式中：每一次檢索都是從零開始，每一條推理路徑都無法沉淀，每一次失敗也不會(huì)轉(zhuǎn)化為經(jīng)驗(yàn)。它們雖能多輪交互，但很難在深度研究中持續(xù)變強(qiáng)。

為了解決這個(gè)問題，已有工作嘗試基于歷史方案生成執(zhí)行規(guī)劃，但受限于預(yù)訓(xùn)練范式，許多智能體仍陷入新的困境：一個(gè)不擅長(zhǎng)規(guī)劃的「決策器」，從臃腫的記憶中檢索出零散片段，再去驅(qū)動(dòng)一個(gè)缺乏規(guī)劃執(zhí)行能力的「執(zhí)行器」。結(jié)果是：記憶在增長(zhǎng)，智能卻沒有。

于是，浮現(xiàn)出一個(gè)關(guān)鍵問題：是否存在將經(jīng)驗(yàn)轉(zhuǎn)化為能力的智能體記憶機(jī)制？

上海創(chuàng)智學(xué)院和華東師范大學(xué)聯(lián)合團(tuán)隊(duì)最近提出的 Memory Intelligence Agent (MIA)，一個(gè)面向深度研究場(chǎng)景的新一代記憶智能體框架，給這一問題帶來了新的答案。

• 論文地址：https://arxiv.org/abs/2604.04503
• 代碼倉(cāng)庫(kù)：https://github.com/ECNU-SII/MIA
• 龍蝦技能：
• 純凈版：https://clawhub.ai/jingyangqiao/mia
• 可信版：https://clawhub.ai/sii-yucheng2002/mia-trust

（高效版和可訓(xùn)練版即將發(fā)布）

為了解決這一問題，MIA 構(gòu)建了一套基于「Planner–Executor–Manager」架構(gòu)的記憶系統(tǒng)。其中，Planner 是戰(zhàn)術(shù)大腦，不僅能夠針對(duì)當(dāng)前問題制定研究計(jì)劃，還能通過測(cè)試時(shí)的持續(xù)學(xué)習(xí)實(shí)時(shí)調(diào)整其策略。Executor 是經(jīng)過訓(xùn)練的執(zhí)行專家，能夠毫無阻礙地解讀并遵循復(fù)雜的研究藍(lán)圖。Manager 是終極管理員，優(yōu)化記憶存儲(chǔ)以消除冗余。

與現(xiàn)有方法相比，MIA 的核心亮點(diǎn)在于：

1. 構(gòu)建雙記憶機(jī)制，非參數(shù)記憶負(fù)責(zé)沉淀經(jīng)驗(yàn)，參數(shù)記憶負(fù)責(zé)吸收能力，二者相互轉(zhuǎn)化，形成持續(xù)進(jìn)化的閉環(huán)；
2. 提出 Manager–Planner–Executor 多智能體結(jié)構(gòu)，將記憶管理、策略規(guī)劃與任務(wù)執(zhí)行解耦，并通過交替強(qiáng)化學(xué)習(xí)驅(qū)動(dòng) Planner 與 Executor 的協(xié)同進(jìn)化，將「會(huì)規(guī)劃」和「會(huì)執(zhí)行」對(duì)齊；
3. 引入面向開放世界的自進(jìn)化機(jī)制，結(jié)合反思與無監(jiān)督學(xué)習(xí)，讓智能體在開放世界的推理過程中持續(xù)修正策略、動(dòng)態(tài)更新記憶，實(shí)現(xiàn)邊做邊學(xué)的在線進(jìn)化。

在 X 平臺(tái)上，該論文已被 DAIR.AI 的創(chuàng)始人，擁有 30 萬(wàn)粉絲的 AI 論文分享博主 Elvis Saravia 所轉(zhuǎn)發(fā)，并收獲了高度評(píng)價(jià)與大量關(guān)注。與此同時(shí)，該論文也入選了 Hugging Face Daily Papers 榜單。

從「逐次推理」到「可積累的研究閉環(huán)」

作為一個(gè)持續(xù)運(yùn)行的 Planning–Execution–Memory 閉環(huán)系統(tǒng)，MIA 在每一次研究任務(wù)中，都會(huì)經(jīng)歷：經(jīng)驗(yàn)調(diào)用 → 協(xié)同推理 → 經(jīng)驗(yàn)沉淀，并不斷反哺后續(xù)決策。

在經(jīng)驗(yàn)調(diào)用中，MIA 通過三維檢索機(jī)制調(diào)用歷史經(jīng)驗(yàn)，分別是保證相關(guān)性的語(yǔ)義相似度，高質(zhì)量經(jīng)驗(yàn)偏好的價(jià)值獎(jiǎng)勵(lì)和激活長(zhǎng)尾知識(shí)的頻率獎(jiǎng)勵(lì)。

此外，作者還引入失敗軌跡作為約束，使記憶既能提供參考，又能避免重復(fù)錯(cuò)誤。在協(xié)同推理中，MIA 將推理解耦為兩個(gè)智能體的協(xié)作過程，Planner 負(fù)責(zé)拆解任務(wù)、生成步驟，而 Executor 負(fù)責(zé)按照步驟執(zhí)行。二者通過 Reflect–Replan 形成反饋閉環(huán)，當(dāng)執(zhí)行受阻時(shí)自動(dòng)重規(guī)劃，讓智能體具備持續(xù)試錯(cuò)與調(diào)整能力。

在經(jīng)驗(yàn)沉淀中，MIA 將對(duì)兩種記憶同時(shí)更新。首先對(duì)軌跡進(jìn)行壓縮與提取，形成結(jié)構(gòu)化非參數(shù)記憶。其次在線更新 Planner 參數(shù)，將經(jīng)驗(yàn)轉(zhuǎn)化為參數(shù)記憶。最后實(shí)現(xiàn)從經(jīng)驗(yàn)存儲(chǔ)到能力內(nèi)化的躍遷。

讓「會(huì)規(guī)劃」和「會(huì)執(zhí)行」學(xué)會(huì)配合

在傳統(tǒng)記憶系統(tǒng)中，Planner 和 Executor 往往只是拼在一起，并沒有真正學(xué)會(huì)協(xié)作。為此，MIA 提出了一套兩階段交替強(qiáng)化學(xué)習(xí)和測(cè)試時(shí)持續(xù)學(xué)習(xí)的進(jìn)化機(jī)制，讓兩個(gè)模塊逐步對(duì)齊，并在真實(shí)任務(wù)中不斷變強(qiáng)。首先在兩階段交替強(qiáng)化學(xué)習(xí)中，MIA 將訓(xùn)練過程拆分為：

• 階段一：固定 Planner，讓 Executor 學(xué)會(huì)理解并嚴(yán)格執(zhí)行規(guī)劃；
• 階段二：固定 Executor，讓 Planner 學(xué)習(xí)如何利用記憶生成更優(yōu)計(jì)劃與計(jì)劃執(zhí)行失敗時(shí)的反思與重規(guī)劃能力。

這種「先對(duì)齊執(zhí)行，再優(yōu)化決策」的方式，解決了「規(guī)劃很好，但執(zhí)行跟不上」的問題。

其次不同于傳統(tǒng)方法「訓(xùn)練完即凍結(jié)」，MIA 在推理階段引入測(cè)試時(shí)學(xué)習(xí)，賦能智能體持續(xù)進(jìn)化。其過程包括：執(zhí)行推理任務(wù)同時(shí)生成多條候選路徑。從成功與失敗路徑中提取非參數(shù)化記憶，基于成功路徑在線更新參數(shù)化記憶。推理與訓(xùn)練幾乎同步完成，形成真正的在線學(xué)習(xí)閉環(huán)。

讓智能體在開放世界中穩(wěn)定進(jìn)化

為了將 MIA 能夠真正用在開放環(huán)境的深度研究中，作者提出了一套無監(jiān)督的自進(jìn)化評(píng)估機(jī)制，讓智能體在沒有外部反饋的條件下，也能持續(xù)優(yōu)化自身能力。

其核心思路是：用「過程質(zhì)量」替代「結(jié)果標(biāo)簽」，只要推理嚴(yán)謹(jǐn)、證據(jù)可靠、結(jié)論合理，即使沒有標(biāo)準(zhǔn)答案，也可以作為有效學(xué)習(xí)信號(hào)。

因此，受學(xué)術(shù)評(píng)審的啟發(fā)，作者將對(duì)結(jié)果的判斷拆成多個(gè)「專家視角」，包括：

• 邏輯評(píng)審員：檢查推理鏈條是否自洽
• 事實(shí)評(píng)審員：驗(yàn)證信息來源以及是否存在幻覺
• 結(jié)果評(píng)審員：評(píng)估任務(wù)是否真正完成

最終由一個(gè)「領(lǐng)域主席」進(jìn)行綜合決策并給出整體判斷，為 MIA 提供穩(wěn)定的優(yōu)化信號(hào)，進(jìn)而助力實(shí)時(shí)進(jìn)化。

實(shí)驗(yàn)結(jié)論

在多項(xiàng)文本與多模態(tài)深度研究任務(wù)中，MIA 顯著提升了智能體的穩(wěn)定性與效率：

• SOTA 性能再突破 (a & b)：在 LiveVQA (多模態(tài)在線搜索) 與 HotpotQA (純文本沙盒搜索) 的對(duì)比實(shí)驗(yàn)中，MIA 顯著提升了現(xiàn)有最先進(jìn) LLMs（GPT-5.4, Gemini-3-Flash, claude-sonnet-4.6）在調(diào)用搜索工具下的表現(xiàn)；
• 實(shí)現(xiàn)小尺寸模型的跨級(jí)超越 (c)：基于 Qwen-2.5-VL-7B 執(zhí)行器的 MIA 模型在 7 個(gè)核心數(shù)據(jù)集上表現(xiàn)卓越，超越了在不調(diào)用工具下的 GPT-5.4，GPT-4o 和 Gemini-2.5-Pro，逼近了 Gemini-3-Flash；
• 記憶方法的新標(biāo)桿 (d)：在與當(dāng)前先進(jìn)智能體記憶方法的橫向評(píng)測(cè)中，MIA 在 7 個(gè)數(shù)據(jù)集上均取得最佳性能表現(xiàn)。

總結(jié)

智能體記憶不應(yīng)該只是讓智能體記住了「結(jié)果是什么」，而是應(yīng)該讓它學(xué)會(huì)「該怎么做」。MIA 的出現(xiàn)，傳遞了一個(gè)清晰的信號(hào)：決定一個(gè)智能體上限的，不再僅僅是它接入了多少外部工具，而是它能否在每一次與世界的交互中，將繁雜的「過程信息」壓縮為精煉的「執(zhí)行本能」。