长时程 Agent 需要实验而非仅靠提示词——Erina Karati

前 Microsoft、Supercell 工程师 Erina Karati 与 Arunachalam Manikandan 在 Supercell AI 创新实验室构建了 Project Paradox，一个为游戏 Agent 提供独立记忆、情绪与信任评分的框架。该框架在短场景表现良好，但在长场景中失效：谣言经多次转述后 Agent 会忘记来源，或把“可能”当作事实。修复方案是把村庄包进一个 autoresearch loop，运行传播公开事实、谣言、计划变更等受控场景，收集 trace 并按 reach、来源保留、不确定性保留、重规划、隐私五项平衡记分卡评分；该循环只能改动一小块冻结的策略面，且仅在分数提升时保留变更。作者认为这些经验不限于游戏：仅有记忆不够，必须知道每条事实的来源，回滚不是可选项。

AI推荐理由 来自 AI Engineer 频道的技术演讲，作者为前 Microsoft、Supercell 工程师，介绍了 Project Paradox 框架及其在长时程游戏 Agent 上的失效与修复方案。具体新信息包括：用 autoresearch loop 运行受控场景（传播公开事实、谣言、计划变更），按 reach、source retention、uncertainty preservation、replanning、privacy 五项平衡记分卡评分，且只允许改动一小块冻结的策略面、仅在分数提升时保留变更。局限是摘要未给出量化结果，仅称短场景有效、长场景失效。