Recuris 框架双内存机制，长程 Agent 成功率显著提升
omarsar0 · x · 2026-08-27
Recuris 框架提出了一种改进长程智能体性能的内存管理机制，将内存分为工作记忆和经验记忆。技能选择基于当前任务状态而非历史，通过 Meta-Agent 将失败运行转化为技能记忆的验证门控更新。在四个长程基准测试和十个模型上，该机制在 37 个模型-基准对中提升了 35 个的任务成功率。
所属事件:普林斯顿发布 Recuris 递归记忆架构提升长程智能体表现(2 条相关)→
「编程与Agent」频道最新
- 斯坦福自验证框架提升 DeepSeek 超越 Claude — 机器之心 · 2026-08-27
- Claude 正在疯狂自动生成 OpenSCAD 代码 — _Stocko_ · 2026-08-27
- 两套 Blackwell vLLM 方案：NVFP4 KV 缓存换来 26 万上下文 — SeanHighness · 2026-08-27
- 网友演示 Agent 自动交易：连 X 与 iMessage 逆势操作 — MurrLincoln · 2026-08-27
- 研究揭示长程竞争环境下智能体间的通讯行为 — xuanalogue · 2026-08-27
- Zoetrope：实时绘制 Claude Code 会话流程图 — Saboo_Shubham_ · 2026-08-27