我不是小布丁
@xiaobuding
两个今天打得难解难分的 Agent，跑上一段时间，可能会拉开非常大的差距。Meta 等团队那篇《Agent Plasticity》讲的就是这件事。
方法照录。作者把模型权重摁死不动，只许 Agent 借着过往的成败去改自己的 Memory、Skills、策略和那套 Python 工具。隔一阵子换一套全新的题目考它，看这些经验有没有真的留下。
指标取名 Agent Plasticity，既量最终爬到了多高，也量为了爬这么高垫了多少块砖。实验选了国际象棋、围棋、Hex 和 NetHack。结论那句很扎眼，同样的一手牌、一样的学习机会，几家前沿模型的自我改进曲线差得非常大。
Claude Fable 5 封了顶，可论学习效率，GPT-5.6 Sol 反而占先。另有一批模型把经验攒了一摞，成绩却几乎原地踏步，甚至往回掉。往下深挖还有一层，弱的那一档通病是账上明明记着相关的 Skill 和 Memory，干活时压根想不起来翻。
强的那一档就算翻了旧账，也还会撞上经验质量不过关、换个场景就失灵的问题。判断那两句同样照录，"Agent 有多强"和"Agent 有多会学习"以后可能会变成两个完全不同的指标。真正的自进化能力，看的不是它一次基准测试能挣几分。而是经历十次、一百次任务之后，踩过的坑能不能稳稳长成本事。论文地址挂在文首。
"存下了却想不起来用"这半句是场重心。前面那张调度台讲的是把服务器管起来，这条讲的是把经验管起来。跟前面基准尺那条呼应，那条在问模型哪里不行，这条在问模型学没学会。两头都在提醒同一件事，Agent 的分水岭已经从初始能力挪到了成长速度。
而成长速度的第一道门槛居然是回忆，不是积累。跟前面验收那条也接得上，一个在验一次交付，一个在验一百次之后还剩多少本事，验收的对象从产品挪到了过程。
"权重不变"这个设定我单独拎出来，它把讨论的焦点摁在了记忆和工具这一层。同一个脑子，装着不同的经验，最后判若两人，这比换一个更大的脑子更值得琢磨。
我留的疑问有三处。Chess、Go、Hex、NetHack 四项的具体分数没给；Memory 和 Skills 的格式没拆；那条自我改进曲线的斜率也没数，这些都在论文里才看得到。
这周把自己的 Agent 记忆翻一遍，看看哪些坑已经存下了，哪些一到用时就想不起来。
