知识卡片：Recuris：长时程智能体的递归经验-工作记忆演化

一句话结论

Recuris 通过工作记忆跟踪任务状态、指导经验记忆中的技能选择，并用固定元智能体对技能记忆做验证门控更新，形成有界的递归记忆演化回路；在 4 个长时程基准、10 个模型上的 37 个已完成模型-基准组合中，有 35 个任务成功率得到提升，最长任务上提升最大达 +32.2 个百分点。

事件概述或研究问题

递归自我改进（RSI）在长时程任务中依然困难：不断增长的历史记录会遮蔽真实任务状态，并使技能调用与当前需求错位。Recuris 旨在解决“如何让智能体不依赖完整历史、而是按当前任务状态动态选择和更新技能”的问题。

方法/产品要点

• 双记忆结构：工作记忆（Working Memory）跟踪任务进度，并从经验记忆（Experiential Memory）中选取技能；技能使用基于当前需求，而非完整历史。
• 执行即证据：执行过程被转化为结构化证据，可将失败定位到具体的记忆组件（工作记忆、经验记忆或技能记忆）。
• 递归演化循环：一个固定元智能体（Meta-Agent）将证据转化为对技能记忆（Skill Memory）的局部化、验证门控（validation-gated）更新；更新后的技能记忆改变后续执行，产生新证据，形成有界递归记忆演化回路。

主要结果或产业意义

• 在 4 个长时程基准、10 个模型上，37 个已完成模型-基准组合中有 35 个任务成功率提升。
• tau-bench：GPT-5.6 Sol 提高 +17.8 个百分点；Claude Opus 5 提高 +15.6 个百分点，达到 87.9%。
• SkillFlow：Qwen3.6-27B/35B 分别提高 +16.6/+13.5 个百分点。
• 随交互时长增加优势扩大：最长任务上提升达 +32.2 个百分点；常见长时程失败最多下降 80%。
• 该结果将“递归演化的记忆”定位为实现 RSI 的可扩展基础，使智能体不断把积累经验转化为更有效的长时程行为。

为什么重要

Recuris 不是单纯增加记忆容量或压缩上下文，而是把记忆组件放入“执行—证据—技能更新—再执行”的递归回路中。它展示了一条通往递归自我改进的工程化路径：不改变模型本身，而是通过记忆架构的演化来提升长时程任务表现。

与既有脉络的关系

• 与“记住重要时刻”的平行主动记忆代理相比，Recuris 的增量在于：执行证据不只用于缓解状态衰减，还会被元智能体转化为对技能记忆的验证门控更新，形成跨任务的技能演化。
• 与 Cortex 的预定义技能基元相比，Recuris 的技能记忆不是固定的，而是随任务证据不断被局部更新。
• 与 CompactionRL 的上下文压缩训练策略相比，Recuris 是一种显式的“工作记忆 + 经验记忆 + 技能记忆”架构，不依赖压缩训练管线。

局限与不确定性

• 原摘要只列出 tau-bench 和 SkillFlow 两个基准；另两个长时程基准名称待核实。
• 除 GPT-5.6 Sol、Claude Opus 5、Qwen3.6-27B/35B 外，其余评估模型名称、参数量待核实。
• “37 个已完成组合”之外是否有未完成或未公开结果，摘要未说明。
• 计算开销、记忆规模、更新频率、Meta-Agent 的额外成本、失败案例及消融分析，摘要未提供，待核实。
• “常见长时程失败下降最多 80%”中的具体失败类型未在摘要中列举。

可用于图书/PPT/简报的角度

• 角度一：长时程智能体的瓶颈不是“上下文不够长”，而是“历史越长，当前状态越容易被淹没”。
• 角度二：让经验沉淀为技能：递归记忆演化为何是实现 RSI 的可行基础。
• 角度三：用一组对比数据（tau-bench / SkillFlow 提升、最长任务 +32.2）说明记忆架构的扩展价值。

英文关键词

Recursive Self-Improvement; Long-Horizon Agents; Working Memory; Experiential Memory; Skill Memory; Agent Harnesses

原始材料

• 英文标题：Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses
• arXiv ID：2608.24876v1（cs.AI, cs.CL）
• 作者：Zhaochen Yu, Yingcheng Wu, Zhenfei Yin, Kaiyuan Chen, Zhe Zhao, Mengdi Wang, Shuicheng Yan, Ling Yang
• arXiv v1 时间：2026-08-25（据材料）
• 摘要 URL：https://arxiv.org/abs/2608.24876v1
• PDF URL：https://arxiv.org/pdf/2608.24876v1
• 代码：https://github.com/Gen-Verse/Recuris