想让 AI 做出新发现？先让它忘掉自己试过什么
TL;DR：一篇 10 月 14 日提交到 arXiv 的论文《Scaling Discovery Requires Forgetting》指出，LLM 智能体做自动化研究时，无论跑得更久、并行多开还是共享结果，都会逐渐被自己的历史尝试"锚定"，收益趋于停滞。作者提出定期清空搜索状态、从当前最优候选重新开始，并报告在 4 类任务上最多比并行智能体高 15%、比同预算的单个智能体高 39%。这是预印本的自报结果，尚未见独立复现；"失忆"也不是万能药，而是让智能体少被旧路径拖住。