---
title: "Slow/Meta Update (慢/元更新)"
created: 2026-05-29
updated: 2026-05-29
type: concept
tags: ["optimization", "momentum", "meta-learning", "skill"]
sources: ["https://arxiv.org/abs/2605.23904"]
---

# Slow/Meta Update (慢/元更新)

**Slow/Meta Update** 是 [[skillopt|SkillOpt]] 中的长周期学习机制：在 epoch 结束时，optimizer 比较前后 epoch 的 skill 表现，提取跨 batch 的持久规律写入 protected slow-update field。它是深度学习中 **momentum** 在文本空间的对应。

## 工作方式

```
End of epoch:
  比较上一个 epoch 的 skill vs 当前 skill →
  分类：improvements, regressions, persistent failures, stable successes →
  Optimizer 写入 longitudinal guidance block →
  仍经过 [[held-out-validation-gate|Validation Gate]]
```

## 双层更新架构

| 更新层 | 频率 | 学习内容 | 类似 |
|--------|------|----------|------|
| Fast (step) | 每步 | 当前 batch 的具体模式 | 梯度步 |
| **Slow (epoch)** | 每 epoch | 跨 batch 的持久规律 | **Momentum** |

## Meta Skill

Optimizer 还维护一个 **meta skill**（仅 optimizer 侧使用，不随部署 skill 输出）：

- 总结哪些编辑模式曾有效
- 记录哪些被拒绝
- 追踪哪些失败跨 epoch 持续存在

这个元技能 prepend 到未来的 optimizer prompt 中，但不增加部署 skill 的体积。

## 为什么需要

快更新容易对单个 batch 的噪声过拟合。慢更新提供**平滑的、跨 epoch 的方向信号**——与 momentum 防止 SGD 在单个 batch 上震荡的原理一致。

## 相关

- [[text-space-optimizer]] — 文本空间优化范式
- [[skillopt]] — 使用 slow/meta update 的方法
- [[yang-skillopt-2026]] — 原始论文