Recuris：面向长时序智能体框架的递归式经验‑工作记忆演化论文原始信息：arXiv:2608.24876v1摘要递归自我提升（RSI）在长时序任务中落地难度很高：持续膨胀的交互历史会模糊任务真实状态，造成技能调用错位。本文提出Recuris，一套面向长时序智能体框架的递归经验‑工作记忆架构。其中**工作记忆（(\mathcal W)M）负责跟踪任务进展，并引导从经验记忆（(\mathcal E)M）**中选择技能；技能调用完全基于当前实际任务需求，而非完整对话历史。经验记忆与工作记忆的耦合机制，会把执行过程转化为结构化证据，能够将失败定位到具体记忆组件。跨任务场景下，一个固定的元智能体（Meta‑Agent）基于上述证据对技能记忆做局部、带验证门控的更新；更新后的记忆改变智能体执行行为，产生新证据，由此形成有边界约束的递归记忆演化闭环。本文在4个长时序基准、10个大模型上开展实验，37组完整的模型‑基准配对中，Recuris在35组上提升任务成功率。在τ2\tau^2τ2-Bench基准上，Recuris给GP(\mathcal T)‑5.6 Sol带来**+17.8个百分点提升，给(\mathcal C)laude Opus 5带来+15.6个百分点提升，将Opus 5性能推至87.9%**；在SkillFlow基准，Qwen3.6‑27B/35B分别获得+16.6 / +13.5百分点增益。随着交互时序变长，收益进一步扩大，最长任务上最高可达+32.2个百分点；常见长时序故障最高可降低80%。实验证明，递归演化记忆可以作为递归自我提升可扩展的基础，让智能体能够持续把累积经验转化为效果更好的长时序执行行为。图1说明：Recuris对从3B开源模型到前沿闭源模型均能提升任务成功率。包含三项子图：(i)任务成功率(%)；(ii)按照episode长度划分的任务成功率；(iii)6类长时序故障模式；所有指标做归一化，原始智能体基线置为100，柱状图数值为20即代表故障降低80%。1 引言大语言模型智能体在推理、工具调用、自主执行上已经展现很强能力。这些能力大多依托**智能体框架（agent harness）**实现：一套外部执行层，围绕底层大模型协调记忆、技能调用、任务状态跟踪、工具交互与校验逻辑。但**递归自我提升（Recursive Self‑Improvement, RSI）**仍然存在重大挑战，尤其长时序任务场景：目标、观测、失败案例在执行全程不断变化。高性能的智能体框架不能只提供固定工具与记忆，还需要做到：维护准确的当前任务状态；当出现新需求时调用合适的经验；把执行失败转化为可以改善后续行为的改进点。随着交互历史不断变长，智能体经常丢失未完成目标的跟踪，调用与当前任务状态不匹配的技能。长时序执行暴露RSI的核心阻碍：智能体虽然可以累积经验，但框架用于组织、选择、改进经验的记忆机制大多是固定不变的。现有的经验记忆方法，从初始提示词或者完整交互历史检索技能。随着执行推进，该检索方式可靠性持续下降：初始指令不再反映当前问题；膨胀上下文混杂过期信息、已完成步骤、未完成需求、执行噪声。问题根源并非缺少可用经验，而是缺少一个紧凑、可靠的任务状态，持续对齐存储经验与智能体当下的执行需求。工作记忆（(\mathcal W)orking Memory, (\mathcal W)M）正好提供该缺失的状态表征：持续跟踪当前进展和未完成目标，并以此从经验记忆（(\mathcal E)xperiential Memory, (\mathcal E)M）选出最合适技能。技能执行完毕后，环境反馈校验进展，更新工作记忆。形成闭环：任务状态 → 技能选择 → 执行反馈 → 更新任务状态。这套(\mathcal E)M‑(\mathcal W)M耦合为智能体框架提供带状态的记忆控制层，保证技能调用基于当前任务，而不是全部交互历史。(\mathcal W)M确定现在需要什么，(\mathcal E)M提供对应的可复用经验；经过校验的反馈，保证后续决策基于真实执行进展。重要的是：该耦合也为记忆演化提供结构化素材。现有方法大多仅依靠任务最终成功/失败信号。这类信号仅告知“出错了”，但无法判断故障根源是存储的技能、跟踪的任务状态、技能调用机制还是进度校验器。因此记忆更新经常粗糙、目标不精准。(\mathcal E)M‑(\mathcal W)M耦合把智能体框架的执行过程转化结构化证据，建立任务状态、选中技能、动作、执行结果之间的关联。失败轨迹可以被定位到具体记忆组件，实现局部修复，而不是重写全部记忆系统。图2对比传统经验记忆使用范式和Recuris范式。本文核心逻辑：(\mathcal E)M‑(\mathcal W)M耦合 → 结构化证据 → 失败定位 → 目标导向记忆演化。基于该思想，本文提出Recuris，面向长时序智能体框架的递归经验‑工作记忆架构。单任务内部：(\mathcal W)M维护经过校验的任务状态，基于该状态从(\mathcal E)M调用最合适的技能。跨任务：固定Meta‑Agent分析结构化执行轨迹，识别最适合修复故障的记忆组件，生成局部更新；候选更新必须通过固定验证流程才被采纳。更新后的技能记忆改变框架在后续任务的行为，产生新状态、技能调用、执行证据，支撑下一轮更新。Recuris构成带验证门控的有界递归循环：记忆塑造框架行为；框架行为产生诊断证据；证据用于演化塑造未来行为的记忆机制。底层LLM和外层改进流程保持完全固定；递归仅发生在智能体框架的外部记忆控制层。本文在4套长时序基准、10个模型上评估Recuris，覆盖工具调用对话、终身技能复用、终端命令操作。37组完整模型‑基准配对中35组获得任务成功率提升。τ2\tau^2τ2-Retail基准，Recuris将GP(\mathcal T)‑5.6 Sol由58.3提升至76.1，(\mathcal C)laude Opus5由72.4提升至87.9，超出该基准其他所有模型基线9.7个百分点；SkillFlow上Qwen3.6‑27B由42.2提升至58.7，Qwen3.6‑35B由35.3提升至48.8。前沿模型在长时序任务上性能并未饱和。分析实验表明：相比仅依靠任务最终结果，结构化轨迹把组件故障定位准确率从13.0%提升至64.8%，这才是局部修复得以实现的前提。因为递归被限定在记忆控制层，全部性能增益完全不需要改动基座大模型权重。本文贡献总结：指出基于状态的记忆调用是长时序智能体框架实现递归自我提升的核心条件：不断变化的任务状态，要求累积经验与当下执行需求持续对齐。提出Recuris递归经验‑工作记忆架构，将持久化经验与经过证据校验的动态任务状态耦合，长时序执行过程中实现自适应技能调用。证明(\mathcal E)M‑(\mathcal W)M耦合可以将框架执行转化结构化诊断证据，实现组件级故障定位，对支配后续行为的技能记忆做目标导向演化。在4套长时序基准、10个模型完成完整评测，系统研究执行可靠性、技能调用、故障定位、演化稳定性、跨任务迁移、跨模型迁移；在τ2\tau^2τ2-Bench上，GP(\mathcal T)‑5.6 Sol增益+17.8，(\mathcal C)laude Opus 5增益+15.6。图2：Recuris与传统基于记忆智能体框架两大差异。左侧：记忆如何被使用；右侧：记忆如何演化。传统：记忆检索基于持续增长聊天历史，丢失未解决目标；仅依靠任务最终结果做整体记忆重写，修复目标模糊，经常做全局记忆更新。Recuris：执行事件点做状态驱动记忆检索；校验器将环境响应转化经过验证的状态更新，不完全信任对话文本；演化阶段读取结构化轨迹，将故障归因到组件，仅修补受牵连组件；候选更新必须经过留出任务集验证门控才被接纳。2 方法2.1 问题设定与技能记忆架构本文研究基于冻结大模型πθ\pi_\thetaπθ​和工具集KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal \̲(̲\mathcal T\)构建的智能体框架。框架负责任务状态跟踪、经验记忆访问、技能调用、工具交互、执行校验。给定任务xxx，第ttt步智能体维护交互历史hth_tht​与工作状态wtw_twt​。调用策略选择一组经验技能KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal \̲(̲\mathcal E\)_t，之后LLM输出动作，接收环境观测：KaTeX parse error: Can't use function '\(' in math mode at position 57: …w_{t},\mathcal{\̲(̲\mathcal E\)}_{…ata_tat​代表面向用户消息或者工具调用；KaTeX parse error: Can't use function '\(' in math mode at position 15: \operatorname{\̲(̲\operatorname{\…返回用户回复或者工具执行结果。一次运行生成原始轨迹τ={ (at,ot)}t=1L\tau=\{(a_t,o_t)\}_{t=1}^Lτ={(at​,ot​)}t=1L​，任务输出y∈{ 0,1}y\in\{0,1\}y∈{0,1}。Recuris保持θ\thetaθ完全固定；通过更新外部记忆控制机制改变后续框架行为。2.1.1 技能记忆架构第kkk轮演化，Recuris把正在演化的技能记忆表示为：KaTeX parse error: Can't use function '\(' in math mode at position 33: …\left(\mathcal{\̲(̲\mathcal E\)}_{…KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal{\̲(̲\mathcal E\)}_k：经验记忆，存储以智能体技能格式编写的可复用技能；KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal{\̲(̲\mathcal W\)}_k：工作记忆规约，定义状态schema、状态更新提案规则，用于生成任务专属实例wtw_twt​；ρk\rho_kρk​：调用策略，决定在哪一些执行事件检索技能，以及KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal \̲(̲\mathcal E\)_k中哪些条目送入上下文；KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal{\̲(̲\mathcal C\)}_k：校验器集合，判断观测结果是否支持提议的状态变更。以上4个组件共同构成智能体框架的演化记忆控制层，同时定义Recuris的补丁修改空间。候选补丁仅修改Meta‑Agent诊断所指向组件，其余组件直接复制原样。每一轮演化可以修改多个组件，但每一处编辑都绑定诊断出的故障，严格限定在故障归因对应的组件。外层改进流程全程固定不变：基座LLM、工具集、Meta‑Agent、定位与补丁流程、验证门控、记忆控制层以外框架机制，全部不会随轮次改变。Recuris是在固定外层智能体框架内部对Mk\mathcal M_kMk​做递归演化，而不是重写底层模型或者完整智能体程序。图3 Recuris总览。(a)单任务内部：工作记忆wtw_twt​跟踪每个目标及校验状态；特定执行事件，调用策略ρ\rhoρ从经验记忆KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal \̲(̲\mathcal E\)检索匹配技能；智能体执行动作后，校验器集合KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal \̲(̲\mathcal C\)仅提交观测oto_tot​实际支持的状态变更。(b)跨任务演化：结构化轨迹记录每一步KaTeX parse error: Can't use function '\(' in math mode at position 15: (w_t,\mathcal \̲(̲\mathcal E\)_t,…；固定Meta‑Agent把已诊断故障归因到组件，只修补被牵连组件；固定门控校验候选补丁，只有在修复源任务同时不在留出开发集发生性能退化，才接纳候选；否则保留旧记忆。基座LLM和外层流程全程固定。2.1.2 方法总览Recuris包含任务内执行循环与跨任务演化循环，如图3。任务内：当前工作状态引导技能调用；执行证据控制下一轮状态更新（2.2节）。跨任务：固定Meta‑Agent利用失败运行定位有效修复目标，生成组件专属记忆补丁，依靠固定验证门控决定候选是否接纳（2.3节）。两个循环之间，第kkk轮演化会记录结构化执行轨迹：KaTeX parse error: Can't use function '\(' in math mode at position 47: …w_{t},\mathcal{\̲(̲\mathcal E\)}_{…其中w~t+1\widetilde w_{t+1}wt+1​是提案状态，ctc_tct​保存第ttt步后的校验器判定。为简化符号，单任务内部省略轮次下标kkk。对比原始轨迹τ\tauτ，Γk\Gamma_kΓk​将每一条动作、观测，和触发技能调用的状态、提议状态更新、接受/拒绝更新使用的证据绑定在一起。执行循环产出结构化记录，描述记忆控制层如何影响行为；跨任务循环利用该记录做故障定位和记忆演化。2.2 单任务内带校验的(\mathcal E)M‑(\mathcal W)M耦合从初始指令检索技能会遗漏后续出现的需求；从完整交互历史检索，则需要过滤已完成步骤、过期信息、执行噪声。Recuris使用紧凑的工作状态，作为当前任务进展和存储经验之间的接口，技能调用完全基于还未完成的任务目标。2.2.1 结构化工作状态执行框架按照规约KaTeX parse error: Can't use function '\(' in math mode at position 10: \mathcal \̲(̲\mathcal W\)_k，由任务初始化w0w_0w0​。每个目标条目记录内容、状态、支撑证据、可选阻塞条件。状态取值：pending（待完成）、done（已完成）、blocked（被阻塞）；除非初始环境已经提供完成证据，目标初始状态为pending。ttt时刻wtw_twt​显式记录：哪些已经完成、哪些尚未解决、哪些观测支撑当前记录进度。该紧凑状态作为任务侧接口，让框架确定在当前执行点哪些经验是相关的。2.2.2 基于状态的技能调用技能调用决定智能体何时需要外部经验，哪些技能送入上下文。Recuris在定义好的执行事件点做决策，而不是每个任务仅检索一次：KaTeX parse error: Can't use function '\(' in math mode at position 11: \mathcal{\̲(̲\mathcal E\)}_{…ete_tet​为第ttt步触发的执行事件，例如准备发起改变状态的工具调用、回合边界。两个条件参数描述任务当下真实处境，而非任务原始提问：wtw_twt​是框架已经校验的进展，ete_te