NUS 等四校发布 Recuris:让 Agent 记忆系统学会递归自我修复
jiqizhixin · x · 2026-09-07
新加坡国立大学联合普林斯顿、斯坦福和牛津团队发布 Recuris（Recursive Experiential–Working Memory Evolution），针对长程任务中 Agent 记忆的根本缺陷：现有方法的记忆更新仅由下游任务分数驱动，无法定位是哪个组件导致失败，导致更新粗糙、缺乏针对性；且随着推理轨迹变长，Agent 难以找到最有效的改进策略。
核心思路是把「递归自我改进」引入记忆控制层，维护经验-工作记忆（experiential-working memory），让积累的经验与当前执行需求持续对齐。三项核心技术突破使其能够识别并修复特定的记忆组件，且全程无需任何训练。
作者称该方法从 3B 开源模型到 Claude Opus 5、GPT-5.6-Sol 均可适用（原帖截断，具体成绩待查原文）。
「编程与Agent」频道最新
- 发现模型比我会写提示词，于是给编排器再套个「大使」 — cephaloform · 2026-09-07
- Gary Marcus 引述实测：Astra 规划最强，写代码却频繁出错 — GaryMarcus · 2026-09-07
- Roku 类 AI 应用工具 Rork 宣布 App Store 上架流程提速 2.5 至 4 倍 — rudrank · 2026-09-07
- 实测 AI 运维 Agent Ghost:同时修复三种服务故障且不削弱监控 — BLUECOW009 · 2026-09-07
- 开发者用一组 AI 智能体协作运营一档 3D 模型考古直播节目 — SurvivedDravoswater · 2026-09-07
- 开源 Skill 一句话生成 3D 镭射闪卡：Blender + Three.js 全自动 — Promptmethus · 2026-09-07