EvoLib：将经验转化为可演化的知识

微软研究院发布 EvoLib 框架，使大语言模型能在推理时从自身经验中学习，无需外部反馈或模型更新。通过提取可复用技能和反思性洞察，并对其进行持续整合与动态加权，EvoLib 能将过去的尝试转化为日益通用的知识。在数学推理、代码生成及长程任务中，该方法相比检索式记忆方案能更有效地将测试时算力转化为性能提升，且对任务到达顺序具有鲁棒性。相关代码和实验结果已在 GitHub 开源。