M·RAgent Memory × RSI本地阅读站
研究专题 · 持续更新

Agent Memory × RSI

Recursive Self-Improvement · 递归自我改进

从保存历史,到正确利用经验,再到评价与保留系统改进。沿“瓶颈出现 → 方法回应 → 新问题”的七条主线理解领域。

先分清两个问题Memory:保留、组织和使用经验。RSI:产生、评价并保留可验证的系统改进。记忆容量增加不自动等于能力提升。
稳定论文
34
一手摘要核验,部分已核对正文
P0 优先阅读
23
记忆基础、经验闭环与程序 RSI
自动发现候选
82
已排除正式收录及重复记录
阅读进度
0 / 34

研究脉络

从长期经验保存,到可验证的行为、技能和程序变化

进入交互研究脉络 →
一个共同目标如何把过去的交互与任务经验,转化为未来任务中可验证、可迁移的能力?

箭头表示问题的逻辑递进;各条路线并行、交叉,不代表年代替代。

01记忆表示与组织

什么样的记忆,既保留任务需要的信息,又能在有限上下文中被找到?

留住交互经验管理有限上下文连接分散知识让表示接受任务检验
02记忆生命周期

经验不断增加时,系统如何决定写入、合并、更新、遗忘什么?

从追加走向选择从存储走向可编辑记忆学习记忆操作检查长期后果
03任务条件化的经验利用

检索到的经验,为什么能改变当前任务中的正确行动?

召回相关经历从相关性走向可用性组织互补经验集合追踪经验到行动
04从反思到可执行技能

如何把一次失败或成功,变成下一次能可靠复用的行动知识?

把反馈变成反思提炼跨任务经验保存可执行技能学习技能维护
05改进对象与递归闭环

系统到底改变了什么,新的版本是否参与下一轮改进?

区分输出精炼与持久改变自动搜索 agent 设计让修改后的系统继续迭代分清外部程序与参数适应
06从记住信息到证实改进

测到的提升,究竟说明记忆、利用、行动还是评价器发生了变化?

测长期信息保存测连续任务中的行动测经验的实际作用再检查评价器
07泛化、约束与长期稳定性

改进能否离开开发任务,并在长期累积中保持可靠?

从最好分数看迭代轨迹把接受规则纳入研究让变更可解释、可追溯面对长期累积与新分布

研究地图

用问题、机制和证据边界进入专题

研究问题

点击问题标签过滤论文目录;优先级表示阅读顺序

全部论文

每篇论文可标记已读并评分,状态保存到本地专题数据

Automated Design of Agentic Systems

Meta Agent Search 根据历史 archive 自动编写新的 agent 程序,探索提示、工具和工作流组合。

P0摘要核验2024
Self-Evolving Coding Agents

按演化目标、发生时机和 coding-specific feedback 梳理记忆、技能、组件与工作流变化。

P1摘要核验2026
Memory OS of AI Agent

以短期、中期和长期个人记忆构成分层存储,显式规定层间更新。

P1摘要核验2025
Self-Adapting Language Models

模型自生成训练数据和更新指令,再依据更新后表现学习如何进行持久权重适应。

P1摘要核验2025

动态更新候选

OpenAlex 持续发现,一手核验后再进入正式目录

查看更新规则 →