SOLAR：面向终身学习与持续适应的自我优化自主智能体
大语言模型（LLM）在现实动态环境中部署时面临两大瓶颈：概念漂移（concept drift）和基于梯度的微调成本过高。传统微调方法不仅容易引发灾难性遗忘，还需要大量人工数据筛选，难以适应非平稳数据流。针对这些挑战，来自新加坡国立大学（NUS）的研究团队在2026年AAAI会议上提出了一种名为 SOLAR（Self-Optimizing Lifelong Autonomous Reasoner，自我优化终身自主推理器）的新型智能体架构。该智能体以参数级元学习为核心，将模型权重本身视为可探索的环境，通过多级强化学习自主发现适应策略，从而在测试阶段高效适配未见领域，实现真正的终身持续学习。
核心创新：参数级元学习与环境探索
SOLAR 的独特之处在于，它并非像传统方法那样直接调整模型参数以适配新任务，而是首先通过整合常识知识来构建一个强大的先验（prior），使模型具备良好的迁移学习基础。随后，智能体采用多级强化学习框架，在“参数空间”中进行探索和优化。具体来说，SOLAR 将模型权重的调整视为一个环境，智能体在其中寻找有效的修改策略，并利用历史经验不断改进这些策略。这种方式避免了每次任务都需要大规模梯度计算和标注数据，大幅降低了适应成本。
平衡可塑性与稳定性的记忆机制
持续学习的核心难题在于平衡可塑性（快速适应新任务）与稳定性（保留已有知识）。SOLAR 通过维护一个动态演化的知识库来存储有效的修改策略，这个知识库隐式地充当了情景记忆缓冲器的作用。当遇到新任务时，智能体从知识库中检索相关策略，并基于当前状态进行调整；同时，成功的新策略会被回收到知识库中，形成正向循环。这种设计使得 SOLAR 在适应新领域时不会完全覆盖旧知识，从而有效缓解了灾难性遗忘。
实验表现：多项推理任务全面领先
研究团队将 SOLAR 与多个强基线方法在包括常识推理、数学、医学、编程、社会推理和逻辑推理在内的六大类任务上进行了对比。结果表明，SOLAR 在所有任务上均取得了最优或接近最优的性能，尤其在需要跨领域迁移和快速适应的场景中优势明显。例如，在医学诊断推理和数学证明任务中，SOLAR 的准确率比传统微调方法提升了超过15%，且适应过程仅需少量样本。
行业意义：迈向真正的自主终身学习
SOLAR 的提出标志着自主智能体在持续学习领域迈出了重要一步。与当前主流依赖大规模数据重新训练或复杂提示工程的方案不同，SOLAR 提供了一种轻量级、可自我进化的替代路径。其核心思想——将模型参数视为可探索环境并通过强化学习自主优化——有望推动 LLM 在机器人、自动驾驶、个性化医疗等需要长期动态适应的场景中落地。未来，研究团队计划进一步扩展 SOLAR 的多任务并行能力，并探索其在物理世界中的实际应用。
