AI 学的越勤快，反而错的越牢？

最近看 Agent 项目，经常会碰到「自进化」这个词。通常的解释是：模型做完任务，收集反馈，再把这些反馈用于下一轮训练。循环跑起来，能力就会往上走。

这套说法听着很顺。可我读 Alloomi @AlloomiAI 两份技术报告时，脑子里一直冒出另一个问题：真实工作的记录那么乱，模型到底该信哪一条？

拿合同审查来说。同一个客户三个月前接受的风险，今天可能已经无法接受；律师写进初稿的意见，到了终稿也许被全部推翻。数据库保存这些版本很容易。训练模型之前，还得分清哪些内容已经失效。

如果经验选错了，训练越勤快，错误反而记得越牢。

Alloomi 的技术路线有意思的地方，就在这里。它没有直接从「怎么训练」讲起。第一份报告 Holistic Context 先处理混乱的工作历史，第二份报告 Self-Evolving Agent 才讨论怎样把整理后的经验送进模型。读下来更像上下两道工序：前面清理原料，后面负责加工。

先解决一个麻烦：AI 看到的历史往往是错的

假设一个 AI 在帮律师处理长期客户。

三个月前，客户接受某项风险；一个月前，新证据出现，律师推翻了原判断；上周，合同又换了版本。普通 RAG 可能把三段记录一起找回来。它知道过去说过什么，却不知道哪条现在仍然有效。

传统 RAG 遇到合同的多个版本，通常会按语义相似度找出相关片段。至于哪一版仍然生效、修改发生在哪个阶段，它未必分得清。

Holistic Context 给每条信息补上适用对象、任务、渠道和有效时间。同一个人的资料散落在邮件、会议和文件中，系统先把它们归到同一实体，再排成时间线。新证据推翻旧结论时，旧记录不会被删除，只会关闭有效期，并留下替代它的依据。

还有一个细节我觉得值得讲。

两条信息经常被一起用到，它们之间的联系会变强；长期没有共同出现，联系会慢慢减弱。关系也分类型，包括支持、竞争、相关和取代。检索因此多了一条路径，可以沿已经形成的关系继续追查。

这一步很重要。错误的历史一旦变成训练数据，AI 用得越久，反而会把过期判断学得越牢。

经验整理好了，模型怎么吃进去？

整理好经验，仍然不等于模型学会了。Self-Evolving Agent 接着往下做。

系统把任务背景、Agent 的操作和事后反馈组成一条经验。经验不会立刻进入训练池，它要先通过置信度、反馈完整度和重复性检查。经验池还有容量上限，避免数据只进不出。

训练分成几部分。当前任务的数据用于 LoRA 微调；旧任务会穿插回放，防止模型学了新东西就把过去忘掉。报告还引入更强教师模型的轨迹，让学生学习教师的决策分布。这里的用意很好理解：如果模型永远复习自己的旧答案，它很难跳出原来的能力范围。

Engram X 是其中比较特别的一层。通过筛选的经验会被编码成稀疏权重单元，推理时只激活少量相关单元。报告希望借此减少对外部检索和长文本拼接的依赖，让一部分经验进入模型内部的计算路径。

Alloomi 还加入了 Engram X，把部分经验编码进稀疏权重单元。这样做的目标，是减少每次推理都要检索并拼接大段历史的依赖。模型更新后不能直接上线，要先经过多项指标验证。效果变差，就退回上一个适配器版本。

这里的“自进化”更像一条受控生产线。什么经验能进来，向谁学习，更新后能不能上线，都有明确的门槛。

同一个模型，积累经验后有没有变强？

在完整的 1,899 项 CL-Bench 中，报告固定了 Qwen3.6-35B-A3B 基座和运行框架：

这组实验比跨模型排名更有解释力。换模型会混入参数规模、训练数据和推理预算；这里比较的是同一个基座在不同经验机制下的表现。加入完整 SEA 后，得分比 NoMem 高出 26.1 个百分点。

AI 公司的下一道分水岭

过去两年，Agent 的主要竞争发生在应用层：谁能接更多工具，谁能编排更长的工作流，谁能把更多资料塞进上下文。

这些能力让 AI 做更多事，却不会自动让它形成经验。真正困难的是另一条链路：应用捕获真实工作的过程和反馈，系统判断哪些经验可信，模型吸收这些经验，然后把提升带回下一次交付。

Alloomi 的两份报告给出了一套完整但仍在早期验证的答案。Holistic Context 负责避免 AI 学到过期和错位的历史，Self-Evolving Agent 再把筛选后的经验变成模型更新。CL-Bench 的同基座提升，是目前最有分量的证据；BEAM 10M 则说明这套方案并非简单地把上下文窗口做大。

这套技术最终要落到 Alloomi AI 上：面向法律、金融保险等专业团队，把真实工作中的修改、判断和结果反馈变成下一轮模型更新的原料。它能否形成产品壁垒，不取决于“自进化”这个名字，而取决于第二次交付是否真的优于第一次，而且这种提升能不能被验证、审计和回滚。