Agent 在一个任务中改正了某个错误，换个会话却可能重复犯错。把纠错经验写进上下文或技能文件，后续仍要需要检索，还会占用上下文空间。如果通过微调把经验写入模型，又要承担额外训练成本，并处理新旧能力之间的干扰。

为此，Meta FAIR、普林斯顿大学团队提出了 Self-Direction，将 Agent 从错误中学到的经验保存为独立的适配器，在一次任务中完成的修正，仍可以在后续相似任务中使用，从而减少了反复纠正同类错误的开销。

(相关资料图)

论文链接：https://arxiv.org/pdf/2610.31846

研究团队采用低秩适配（Low-Rank Adaptation，LoRA）来保存这些经验。当一次执行失败后，Agent 会根据环境或用户的反馈回顾执行轨迹，提炼需要改正的行为，再把经验蒸馏到一组额外的小规模参数中。训练得到的适配器可以立即用于重试当前任务，也会被保留下来，加入经验库。

图｜从失败轨迹提炼经验，再训练或检索适配器用于重试

每条经验对应一个适配器。训练新适配器时，基础模型和已有适配器的参数都保持冻结，避免后续训练覆盖此前的参数。遇到新任务，路由器会比较当前任务描述与历史任务描述的相似度，判断是否有合适的适配器可用。经验通过适配器影响模型行为，无需把对应的整段反思文本放入上下文。

评测使用基于 Qwen 系列开放权重模型构建的 Agent，覆盖 GAIA 的开放式研究任务、Claw-Eval 的工具调用工作流，以及 Terminal-Bench 2.1 的终端任务。除了任务成功率，研究人员还检查了纠错的稳定性和跨任务迁移效果。

在 Claw-Eval 上，一项评测要求同一任务在三次独立运行中全部成功。采用 Self-Direction 后，满足这一要求的任务比例从 51.6% 提高到 64.6%，增加 13.0 个百分点。三次运行中只要有一次失败，就不计入成功，可以据此检查 Agent 后续执行的稳定性。

图｜27B 模型双指标超越多款更大模型

在 GAIA 的一项实验中，经验库最多包含三个适配器，总内存占用约 256 MB，任务成功率从 36.4% 升至 52.7%。另一项 GAIA 实验考察了经验能否迁移到更难的任务。适配器只从较容易的任务中学习，再用于未见过的较难任务，后者的成功率提高了 10.47 个百分点。

图｜纠错经验迁移至未见、更难及相关任务

在 Claw-Eval 上，研究人员进一步测试了不同任务类别之间的迁移。三个从操作类任务中学到的适配器，被用于处理工作流任务，成功率从 75.0% 提高到 87.5%。复用这些适配器时没有额外训练，说明至少在这组任务中，纠错经验可以用于此前未学习的任务。

研究团队表示，这套方法仍有训练和存储成本。每个适配器新增的可训练参数约相当于基础模型参数量的 0.02%。训练这些参数需要常规推理之外的 GPU 资源，经验库扩大后也会增加存储开销。对于暂时没有足够训练资源的系统，研究团队提出，可以先积累文本反思，待资源允许时再训练适配器。

Self-Direction 还依赖明确的错误信号。错误需要通过自评、评分器反馈或用户指出，系统才能开始提炼和保存经验。如果一次失败没有被发现，后续的反思和适配器训练也就无从启动。此外，适配器的复用也有模型边界。文本形式的经验可以供人阅读，并在不同模型家族之间传递；训练好的适配器则依赖特定模型。任务之间能够迁移，并不意味着更换基础模型后还能直接使用同一份适配器。

研究团队提出，后续研究还可以探索如何为不同经验选择合适的保存形式，以及如何组合多条经验来处理一次错误。

更多技术细节，详见原论文。

作者：张佳怡

如需转载或投稿，请直接在本文章评论区内留言

关键词： 突破 适配器 工作流 meta self agent