你有沒有過這種經歷：手機更新個系統，之前會用的功能突然找不到北？連我們人類學個新APP都要摸索半天，更別說讓AI在陌生環境里“即插即用”了。

最近我在ICLR 2025的論文里發現一個叫REGENT的AI智能體，不用練幾百萬次，也不用裝個“超級大腦”，就靠“翻筆記”的本事，在機器人操控、游戲通關這些任務里，比那些參數多3倍、數據多10倍的大模型還厲害。今天我們聊聊這個“會抄作業還會舉一反三”的AI到底怎么回事。

先吐槽下：現在的AI都是“偏科生”

要理解REGENT的牛，得先說說現在的AI有多“死板”。

我們總聽說“大模型”很厲害，比如能玩幾十種游戲的Gato，能操控機器人的JAT。但這些AI有個通病：學新東西要“拆家式”投入。就像一個只會死記硬背的學霸，要學新題型，就得把整本練習冊重新做一遍——參數要堆到百億級，數據要喂到上億條，最后換個新環境（比如從“打乒乓球”游戲換成“打外星人”），還是會懵。

朋友做機器人實驗時就踩過坑：訓練好的機械臂能疊杯子，換個大點的盤子，就得重新喂幾百次演示數據，調半天參數。用論文里的話說，這叫“缺乏跨環境自適應能力”，說人話就是“不會舉一反三”。

更麻煩的是，這些大模型還“傲嬌”：就算給它點新環境的演示，比如教它玩新游戲的10個片段，它也得“閉關修煉”（微調）半天，最后效果還不一定好。就像你給朋友看了兩遍新家電的用法，他還得對著說明書研究一小時，最后可能還按錯鍵。

破局思路：先從“抄作業”開始——R&P的意外驚喜

REGENT團隊最聰明的地方，是先放下“堆模型堆數據”的執念，問了個簡單問題：能不能讓AI像學生抄作業一樣，遇到不會的題，先找最像的例題照著做？

他們搞了個超簡單的方法，叫“Retrieve and Play（R&P）”，翻譯過來就是“檢索了就用”。原理說出來你可能會笑：

比如AI在玩《吃豆人》，現在遇到一個“怪物在左邊，豆子在右邊”的場景（狀態），它就去之前給的演示數據里，找和當前場景最像的那一幕，然后直接用那一幕里的動作（比如“向右走”）。就像你考試時遇到一道數學題，想不起來公式，翻了翻筆記，找到一道條件差不多的題，照著它的步驟寫答案。

最讓我驚訝的是實驗結果：這個連神經網絡都沒有的“笨方法”，在Atari游戲、機器人抓取這些任務里，居然和Gato、JAT這些大模型打得有來有回，甚至還能贏。

這就像一個沒上過高數課的學生，就靠死記硬背例題，居然考贏了天天刷題的學霸。這說明什么？有時候“找對參考”比“硬記知識”更重要。AI適應新環境的瓶頸，可能不是“腦子不夠大”，而是“不會查資料”。

REGENT的真本事：把“抄作業”和“真本事”結合起來

但R&P有個明顯的問題：如果遇到演示數據里沒有的“新題”怎么辦？比如演示里只有“吃豆人躲1個怪物”的場景，突然出現3個怪物，R&P就傻眼了。

這時候REGENT就登場了。它的核心思路很簡單：讓AI既會“抄作業”（R&P），又有自己的“解題思路”（Transformer模型），兩者結合著來。

我給你打個比方：把REGENT比作一個學做家常菜的新手廚師。

? “抄作業”打底（R&P）：廚房里有本食譜（演示數據），遇到不會做的菜，先翻食譜找最像的做法——比如要做“番茄炒蛋”，先看食譜里“番茄炒雞蛋”的步驟，知道先炒蛋再炒番茄。

? “經驗調整”補漏（Transformer）：但新手廚師也不是完全照抄，他會根據自己之前炒過“青椒炒蛋”的經驗（預訓練學到的知識），調整火候——比如知道雞蛋容易老，炒的時候火可以小一點。

? 聰明的“折中方案”：如果當前場景和食譜里的幾乎一樣（比如番茄和雞蛋的比例都一樣），就主要照食譜來；如果場景差別大（比如番茄多了一半），就多靠自己的經驗調整。這就像你抄作業時，遇到題干稍微變化的題，會根據自己的理解改幾個步驟，而不是全抄。

具體到技術上，REGENT是個“半參數化”智能體——可以理解為“帶了本工具書的工程師”：

? 參數部分（Transformer）：相當于工程師腦子里的基礎知識，比如電路原理、機械結構，是預訓練好的，不用每次換任務都重新學。

? 非參數部分（檢索庫）：相當于工程師隨身帶的工具書，里面是各種具體任務的案例（比如修冰箱的步驟、裝空調的圖紙），遇到新任務就查，不用把所有案例都記在腦子里。

這種設計的好處太明顯了：不用超大模型，也不用海量數據。REGENT的參數只有1.38億（比JAT少30%，比Gato少90%），預訓練數據只有1450萬條（比JAT少5-10倍），但效果卻更好。

三大創新點：為什么REGENT能“以小勝大”？

讀論文時，我特別注意到REGENT的三個設計，看似簡單，實則戳中了傳統AI的痛點：

1. 檢索優先：讓“參考資料”替模型“減負”

傳統大模型像個“書呆子”，把所有知識都塞在腦子里，結果遇到新問題反而反應慢。REGENT則是“實用主義者”——能查資料解決的，就不麻煩自己的“大腦”。

比如機器人要做“開門”動作，傳統模型得把“開木門、開鐵門、開抽屜”的所有情況都學一遍；REGENT則只需要學“怎么判斷當前門和哪類參考案例像”，然后調用參考案例里的動作。這就像你不用背下所有城市的地圖，只要會用導航APP，去哪都能找到路。

2. 上下文學習：看兩眼就會，不用“閉關修煉”

很多AI學新東西要“微調”——相當于你學新軟件時，得花幾小時看教程、做練習。REGENT則是“上下文學習”：給它10個新任務的演示片段（比如玩新游戲的10個操作），它當場就能學會，不用額外訓練。

這就像你看朋友用新咖啡機做了兩杯咖啡，你不用看說明書，也能照著他的動作做一杯。論文里說，REGENT適應新Atari游戲只需要1萬條數據，而傳統模型得要100萬條——差距整整100倍。

3. 平滑插值：既不盲目抄，也不瞎創新

最妙的是REGENT處理“抄作業”和“自己來”的關系的方式——不是非此即彼，而是“看情況調整比例”。

就像你開車：如果在熟悉的高速上（場景和參考案例很像），就多靠定速巡航（R&P）；如果到了陌生的小巷（場景差異大），就多靠自己操控（Transformer）。這種“平滑插值”的設計，讓REGENT既不會因為“死抄”而在新場景翻車，也不會因為“瞎創新”而犯低級錯誤。

實驗結果：小個子也能打贏大塊頭

光說不練假把式，REGENT的實驗數據確實讓人眼前一亮：

在機器人操控任務（比如抓取、開門）里，REGENT不用微調，直接用50個演示片段，就能比JAT（全量數據訓練的版本）表現好30%；就算JAT用新環境的數據微調，還是打不過REGENT。

在游戲任務（ProcGen游戲套件）里，REGENT的參數只有MTT（另一個能上下文學習的模型）的1/3，預訓練數據少10倍，但在《忍者》《登山者》這些游戲里，分數比MTT高20%-50%。更狠的是，就算給游戲加了“隨機干擾”（比如按鍵盤有20%概率沒反應），REGENT照樣能穩定通關，而傳統模型早就亂套了。

最讓我覺得有價值的是：REGENT在“老任務”上也沒拉胯——在它預訓練過的環境里，表現和JAT、MTT差不多，甚至在Metaworld機器人任務里還更好。這說明它不是“偏科生”，而是“全能選手”：既能快速學新東西，又不丟老本事。

未來可期，但還有兩個小遺憾

當然，REGENT也不是完美的。我在論文里看到兩個待解決的問題：

一是長任務有點吃力。比如玩《太空侵略者》這種關卡特別長的游戲，REGENT的表現會下降。這就像你看小說，前面的情節記得清楚，看到后面就忘了前面的伏筆，REGENT對“長期記憶”的處理還需要優化。

二是新“身體”適應難。如果給機器人換個新的“身體”（比如從機械臂換成四足機器人），REGENT的表現會變差。這就像你習慣了用鼠標，突然換成觸控板，得適應半天——AI對“身體結構”的抽象理解還不夠。

但這些都是前進中的問題。REGENT的意義不在于它完美，而在于它提供了一條新路子：AI的“通用性”不一定靠“堆資源”，靠“會檢索、會借鑒”也能實現。這對小團隊、小公司來說太重要了——不用買幾百塊GPU，不用喂上億條數據，也能做出能快速適應新環境的AI。

最后：AI的“學習能力”，可能比“記憶力”更重要

讀完這篇論文，我最大的感受是：我們之前可能把AI的“聰明”想錯了。

不是參數越多、數據越多，AI就越聰明，就像不是書讀得越多、筆記記得越全，人就越厲害。真正的聰明，是“遇到新問題時，知道怎么找參考、怎么舉一反三”——這正是REGENT做到的。

未來，當你的掃地機器人能自己適應新房間的布局，當你的智能家居能看懂你的新需求，當工廠的機器人換個零件就能做新任務時，背后可能就有REGENT這種“檢索增強”技術的影子。

最后問你個問題：如果家里的家電都有REGENT這種“看兩眼就會”的能力，你最想讓哪個家電先升級？評論區聊聊～

參考資料

? 標題：REGENT: A RETRIEVAL-AUGMENTED GENERALIST AGENT THAT CAN ACT IN-CONTEXT IN NEW ENVIRONMENTS

? 作者：Kaustubh Sridhar (賓夕法尼亞大學), Souradeep Dutta (賓夕法尼亞大學/英屬哥倫比亞大學), Dinesh Jayaraman (賓夕法尼亞大學), Insup Lee (賓夕法尼亞大學)

? 鏈接：https://openreview.net/pdf?id=NxyfSW6mLK

本文轉載自??旺知識??，作者：旺知識