TL;DR

本文核心观点：

  1. MIA 的双重记忆系统是最大亮点 — 非参数记忆负责沉淀经验，参数记忆负责吸收能力，二者通过双向转换环路形成持续进化的闭环
  2. 测试时学习打破了训练-推理的界限 — Planner 的参数更新在推理过程中实时完成，不中断流程，面对全新领域也能边做边学
  3. 小模型也能通过记忆进化逼近大模型 — GPT-5.4 在 LiveVQA/HotpotQA 提升 9%/6%，Qwen2.5-VL-7B 平均提升 31%，框架对不同规模模型都有普适增益

一个长期被忽视的问题

做深度研究任务的 Agent，有一个被谈论得很少但极其普遍的问题：

它不记得自己是怎么走到这一步的。

上下文窗口再长，也只是把「做过什么」罗列出来。Agent 能记住「上一轮搜了什么关键词」，但它不会把「这个搜索策略在这个领域效果好」这件事，变成下一次的规划能力。

换句话说：大多数 Agent 的记忆是「陈述性」的，不是「程序性」的。它记住了事实，但没有把经验转化为能力。

这是 memory 和 intelligence 之间的一道沟。MIA（Memory Intelligence Agent，arXiv:2604.04503）想填平这道沟。

MIA 的三重架构

MIA 采用 Manager-Planner-Executor 三层架构，每一层对应不同的认知职责：

Manager（记忆管理员）

非参数化记忆系统。负责整理和压缩历史搜索轨迹，把碎片化的行为记录沉淀为结构化的经验。

Manager 的输出不是「某年某月搜了什么」，而是「在 X 类问题上，Y 策略是有效的」。这是一种元认知级别的信息压缩。

Planner（规划师）

参数化记忆智能体。根据 Manager 沉淀的经验制定行动计划。

Planner 是整个框架的学习核心——它的参数会随着任务执行而更新，会把 Manager 的经验「内化」为自身的规划能力。

Executor（执行者）

在 Planner 的搜索计划指导下执行具体的信息搜索与分析操作。

Executor 的职责是清晰的：执行，但不决策。决策权归 Planner，信息整理权归 Manager。

核心机制：双重记忆的闭环进化

MIA 最大的创新不是三层架构本身，而是双重记忆系统的双向转换环路：

非参数记忆 → 参数记忆：Manager 整理的经验，通过某种形式的信息注入，被 Planner 吸收为参数化的能力。这意味着「做过什么」真正变成了「能做什么」。

参数记忆 → 非参数记忆：Planner 在执行过程中产生的失败模式和改进方向，又会反馈回 Manager，形成新的经验沉淀。

这个环路一旦跑通，Agent 就不再是每次任务从零开始，而是每次任务结束后都比进入时更强。

传统 Agent 的学习曲线是平的。MIA 的学习曲线是指数的——理论上。

测试时学习：推理过程中的实时进化

最反直觉的设计是：MIA 的 Planner 参数更新发生在推理过程中。

传统范式：训练时学习 → 推理时使用固定参数。这是封闭环。

MIA 的范式：训练时预学习 → 推理时继续学习 → 每次任务后能力更新。这是开放环。

测试时学习（test-time learning）的核心价值在于：Agent 面对全新领域时，不需要依赖预训练阶段的知识储备，可以边做边学，在任务执行过程中实时完善 Planner。

这相当于把「适应新任务」的成本，从「重新训练」变成了「几个额外推理步骤」。

实验结果：不同规模模型均有增益

MIA 的框架在不同规模的模型上都验证了有效性：

模型 基准 提升幅度
GPT-5.4 LiveVQA +9%
GPT-5.4 HotpotQA +6%
Qwen2.5-VL-7B 多基准平均 +31%

Qwen2.5-VL-7B 这种轻量级模型获得 31% 的平均提升，说明 MIA 框架对模型规模的依赖不是线性的——结构性的记忆进化机制可以弥补参数量的差距。

这是「小模型 + 好框架」胜过大模型 + 差框架的一个有力证据。

对 Agent 设计的意义

MIA 带来的最大思维转变是：记忆系统不应该只是存储层，而应该是学习层。

传统设计里，记忆是给上下文补洞的——上下文不够长，所以需要 memory store。这是被动架构。

MIA 的设计里，记忆是主动的学习通道——经验通过 Manager 沉淀，能力通过 Planner 内化，执行通过 Executor 落地。这是主动架构。

另一个值得注意的点：Manager 是非参数的。这意味着经验沉淀不需要梯度更新，不需要重新训练，只需要在记忆系统层面做更好的信息压缩和结构化。这是一个工程上相对容易落地的组件。

局限与开放问题

MIA 揭示了记忆进化的重要性，但也留下了几个未回答的问题：

环路稳定性：双重记忆的双向转换，在长期运行中会不会出现误差累积？Manager 的经验压缩是否有损？Planner 吸收经验的机制是否可靠？

遗忘机制：MIA 讲了如何积累经验，但没有讲如何处理过时经验。真实世界中，某些经验的时效性很短，过度记忆和记忆不足一样有害。

评估方法：如何在任务执行过程中实时评估 Planner 的进化程度？传统的静态基准无法捕捉「越做越聪明」这个动态过程。

写在最后

MIA 回答了一个很基本的问题：Agent 为什么会越做越差？

不是因为模型不够强，而是因为它每次任务之间没有连接——每次都是独立的上下文，每次都是从零开始。

双重记忆闭环的价值，就是让 Agent 真正拥有了「经验」这个资产。不是把对话历史存起来叫经验，而是把「什么策略有效」内化为规划能力。

论文链接：https://arxiv.org/abs/2604.04503

AI-Native Engineering 系列 深度阅读时间：约 10 分钟