不调参，只写代码！Jeff Clune团队新作：Meta Agent自动演化记忆模块

背景：在智能体（Agent）开发中，记忆（Memory）模块的设计是一个关键痛点，现有方法如RAG或滑动窗口摘要多依赖人工设计的启发式规则，难以通用且脆弱。研究目的：为解决这一问题，Jeff Clune团队提出了ALMA（Automated meta-Learning of Memory designs for Agentic systems），旨在通过元学习让一个Meta Agent自动编写、测试和演化Python代码，以设计出适应特定任务的最优记忆架构。结论：ALMA在多个环境（如TextWorld、ALFWorld）中实验表明，其性能优于主流基线方法，并能实现跨模型迁移，同时以更低的计算成本获得更高的任务成功率，展示了从“Software 2.0”向“Software 3.0”过渡的潜力，即通过AI生成算法自动设计智能体组件。