M·RAgent Memory × RSI本地阅读站
Agent Memory × RSI · 问题驱动的研究地图

从留住过去,到改变未来

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?

7 条问题主线28 个问题节点34 篇收录论文
Memory保留与调用经验

保存、组织、更新和检索什么?

Experience learning经验改变后续行动

检索到的经验是否被用对?

Recursive self-improvement接受修改并继续迭代

谁改了谁,改进能否被独立验证?

怎么读这张图左侧选主线,上方选阶段;每一步都解释瓶颈、回应与新问题。主线互相交叉,逻辑箭头不代表年代替代或引用继承。
主线 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?

先看问题怎样推进,再点开任一步。

问题推进 · 01 / 04

留住交互经验

遇到了什么瓶颈

当前上下文之外的历史无法稳定影响行为。

方法如何回应

保存自然语言经验流与摘要,按相关性、重要性或近因召回。

又留下什么问题

留住信息之后,历史增长又超过上下文与检索预算。

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2023摘要核验
Generative Agents: Interactive Simulacra of Human Behavior

以经验流、反思摘要和动态检索构成生成式智能体的长期记忆基础。

阅读论文卡片 ↗
2023摘要核验
MemoryBank: Enhancing Large Language Models with Long-Term Memory

将长期对话记忆、更新与基于遗忘曲线的选择性保留结合起来。

阅读论文卡片 ↗
问题推进 · 02 / 04

管理有限上下文

遇到了什么瓶颈

把全部历史装入上下文代价高,重要信息仍可能被淹没。

方法如何回应

分离工作上下文与外部存储,用分层记忆和显式控制流管理调用。

又留下什么问题

存储层次并没有自动建立跨经历、跨事实的关联。

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2023摘要核验
MemGPT: Towards LLMs as Operating Systems

用分层记忆和显式控制流把有限上下文扩展为可管理的虚拟上下文。

阅读论文卡片 ↗
2025摘要核验
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。

阅读论文卡片 ↗
问题推进 · 03 / 04

连接分散知识

遇到了什么瓶颈

单条相似度召回可能遗漏需要联合使用的事实与经历。

方法如何回应

用图传播、笔记链接、结构化抽取组织关联。

又留下什么问题

更丰富结构也可能增加写入成本、错误链接与信息损失。

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2024摘要核验
HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models

用知识图和 Personalized PageRank 模拟长期知识整合,突出 memory substrate 与检索效率。

阅读论文卡片 ↗
2025摘要核验
A-MEM: Agentic Memory for LLM Agents

以 Zettelkasten 式笔记、动态链接和历史记忆重写实现可演化的记忆组织。

阅读论文卡片 ↗
2025正文重点核验
Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory

以信息抽取、巩固、检索和图记忆变体连接长期对话质量与部署成本。

阅读论文卡片 ↗
问题推进 · 04 / 04

让表示接受任务检验

遇到了什么瓶颈

结构更复杂,不能单独说明未来行动得到改善。

方法如何回应

在等预算下比较平面、分层和图结构,检查检索、来源与后续任务收益。

又留下什么问题

什么任务真正需要结构?保留的信息是否被忠实使用?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2024正文重点核验
LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory

用信息提取、多 session 推理、时间推理、知识更新和拒答五类能力诊断长期记忆。

阅读论文卡片 ↗
2026摘要核验
Large Language Model Agents Are Not Always Faithful Self-Evolvers

用对原始与压缩经验的因果干预,检查决策是否依赖经验内容。

阅读论文卡片 ↗
放回同一个科研助手案例

助手需要把一次 OOM 的日志、当时的 batch size、显卡和解决措施关联起来;只记住“调小 batch”会丢失适用条件。

最小判别实验 · 本库提出

固定执行模型、经验和 token 预算,比较平面文本、分层存储与图结构;再打乱关系,观察跨经历任务是否特异性退化。

与其他主线的连接

表示丢失条件,会影响主线 03 的利用;结构重写又会引出主线 02 的来源与删除问题。

继续拓展 · 2 篇自动关联论文

依据卡片的研究问题标签或 narrative_threads 归入;尚未人工定位到上面的某个阶段,关联不等于该论文已解决本主线问题。

2024摘要核验
Evaluating Very Long-Term Conversational Memory of LLM Agents

把长期对话理解分解为问答、事件摘要和多模态对话生成,是后续 memory 方法常用的评测起点。

阅读论文卡片 ↗
2026摘要核验
MemLens: Benchmarking Multimodal Long-Term Memory in Large Vision-Language Models

在多模态多 session 对话中,检验长上下文和外部记忆如何保存并使用视觉证据。

阅读论文卡片 ↗
主线 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?

先看问题怎样推进,再点开任一步。

问题推进 · 01 / 04

从追加走向选择

遇到了什么瓶颈

全量追加使噪声、重复和过期内容持续累积。

方法如何回应

用重要性、遗忘或巩固机制选择保留内容。

又留下什么问题

旧事实与新事实冲突时,只做保留或丢弃仍不够。

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2023摘要核验
MemoryBank: Enhancing Large Language Models with Long-Term Memory

将长期对话记忆、更新与基于遗忘曲线的选择性保留结合起来。

阅读论文卡片 ↗
2023摘要核验
Generative Agents: Interactive Simulacra of Human Behavior

以经验流、反思摘要和动态检索构成生成式智能体的长期记忆基础。

阅读论文卡片 ↗
问题推进 · 02 / 04

从存储走向可编辑记忆

遇到了什么瓶颈

多份摘要或笔记可能保存相互矛盾的事实。

方法如何回应

抽取、合并、改写记忆与链接,显式管理更新。

又留下什么问题

更新规则本身依赖启发式,误删和误合并仍可能损害任务。

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2025正文重点核验
Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory

以信息抽取、巩固、检索和图记忆变体连接长期对话质量与部署成本。

阅读论文卡片 ↗
2025摘要核验
A-MEM: Agentic Memory for LLM Agents

以 Zettelkasten 式笔记、动态链接和历史记忆重写实现可演化的记忆组织。

阅读论文卡片 ↗
2025摘要核验
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。

阅读论文卡片 ↗
问题推进 · 03 / 04

学习记忆操作

遇到了什么瓶颈

写入策略与下游任务效用可能失配。

方法如何回应

用反馈学习 ADD、UPDATE、DELETE、NOOP 等记忆动作。

又留下什么问题

任务成功的奖励怎样归因到具体操作?策略能否跨任务复用?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2025正文重点核验
Memory-R1: Enhancing Large Language Model Agents to Manage and Utilize Memories via Reinforcement Learning

把 ADD、UPDATE、DELETE、NOOP 和答案端记忆选择变为可学习策略。

阅读论文卡片 ↗
问题推进 · 04 / 04

检查长期后果

遇到了什么瓶颈

一次更新看似正确,长期序列可能积累错误或丢失必要经验。

方法如何回应

用知识更新诊断和顺序任务流检验持续维护。

又留下什么问题

派生摘要、链接和技能中的过期信息能否同步修复或删除?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2024正文重点核验
LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory

用信息提取、多 session 推理、时间推理、知识更新和拒答五类能力诊断长期记忆。

阅读论文卡片 ↗
2025摘要核验
Evo-Memory: Benchmarking LLM Agent Test-time Learning with Self-Evolving Memory

把数据组织为顺序任务流,检查 agent 能否边执行边检索、整合和更新经验。

阅读论文卡片 ↗
放回同一个科研助手案例

服务器从 24 GB 显存换成 80 GB 后,助手应保留旧实验的适用范围,而非把所有“batch=2”直接替换成新数值。

最小判别实验 · 本库提出

按时间注入已知冲突、过期配置和删除请求;检查原始记忆与派生摘要的残留、错误传播和后续任务成功率。

与其他主线的连接

更新操作需要主线 06 提供评价信号;删除与遗忘还会影响主线 07 的长期稳定性。

继续拓展 · 8 篇自动关联论文

依据卡片的研究问题标签或 narrative_threads 归入;尚未人工定位到上面的某个阶段,关联不等于该论文已解决本主线问题。

2026摘要核验
MemoryArena: Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks

在相互依赖的多 session 子任务中,同时测试记忆获取、经验提炼和后续行动。

阅读论文卡片 ↗
2026摘要核验
CODESKILL: Learning Self-Evolving Skills for Coding Agents

用 RL 学习从编码轨迹中提取多粒度 procedural skills,并持续维护紧凑技能库。

阅读论文卡片 ↗
2026摘要核验
MemComposer: Learning to Assemble Memories for LLM Agents via Reinforcement Learning

以任务成功反馈学习 query-specific memory assembly,而不只按语义相似度召回。

阅读论文卡片 ↗
2023摘要核验
Reflexion: Language Agents with Verbal Reinforcement Learning

把环境反馈转成语言反思并写入 episodic buffer,跨试次改变决策。

阅读论文卡片 ↗
2023摘要核验
Voyager: An Open-Ended Embodied Agent with Large Language Models

通过自动课程、可执行技能库和环境反馈形成开放式技能积累。

阅读论文卡片 ↗
2023摘要核验
MemGPT: Towards LLMs as Operating Systems

用分层记忆和显式控制流把有限上下文扩展为可管理的虚拟上下文。

阅读论文卡片 ↗
2024摘要核验
HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models

用知识图和 Personalized PageRank 模拟长期知识整合,突出 memory substrate 与检索效率。

阅读论文卡片 ↗
2023摘要核验
ExpeL: LLM Agents Are Experiential Learners

从任务经历提取自然语言知识,推理时召回经验,强调不更新参数的学习。

阅读论文卡片 ↗
主线 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?

先看问题怎样推进,再点开任一步。

问题推进 · 01 / 04

召回相关经历

遇到了什么瓶颈

系统每次从头探索,重复已经遇到的失败。

方法如何回应

从以往轨迹提取经验,在后续任务中召回。

又留下什么问题

与当前问题相似的经验,不一定包含适用的条件或行动。

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2023摘要核验
ExpeL: LLM Agents Are Experiential Learners

从任务经历提取自然语言知识,推理时召回经验,强调不更新参数的学习。

阅读论文卡片 ↗
2023摘要核验
Reflexion: Language Agents with Verbal Reinforcement Learning

把环境反馈转成语言反思并写入 episodic buffer,跨试次改变决策。

阅读论文卡片 ↗
问题推进 · 02 / 04

从相关性走向可用性

遇到了什么瓶颈

摘要可能丢失条件,执行模型也可能忽略或误读经验。

方法如何回应

对原始与压缩经验做干预,检查决策如何依赖内容。

又留下什么问题

单条经验的可用性仍不能说明整组经验应怎样选择。

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2026摘要核验
Large Language Model Agents Are Not Always Faithful Self-Evolvers

用对原始与压缩经验的因果干预,检查决策是否依赖经验内容。

阅读论文卡片 ↗
问题推进 · 03 / 04

组织互补经验集合

遇到了什么瓶颈

多条高相似经验可能重复,挤占真正补充当前缺口的内容。

方法如何回应

用任务反馈学习面向查询的记忆选择与组装。

又留下什么问题

收益来自更好组装,还是额外 token、调用或训练?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2026摘要核验
MemComposer: Learning to Assemble Memories for LLM Agents via Reinforcement Learning

以任务成功反馈学习 query-specific memory assembly,而不只按语义相似度召回。

阅读论文卡片 ↗
问题推进 · 04 / 04

追踪经验到行动

遇到了什么瓶颈

最终答对可能来自模型原有知识,也可能绕过记忆。

方法如何回应

同时观察记忆操作、相互依赖的后续行动和经验开关对照。

又留下什么问题

哪部分经验造成了变化?改变能否迁移到新任务?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2026摘要核验
MemoryArena: Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks

在相互依赖的多 session 子任务中,同时测试记忆获取、经验提炼和后续行动。

阅读论文卡片 ↗
2026正文重点核验
PAST-Bench: Benchmarking the Foundations of Recursive Self-Improvement in Personal Agents

在匹配条件下开关持久经验,分开衡量后续任务收益和 save–retrieve–update 路径证据。

阅读论文卡片 ↗
放回同一个科研助手案例

遇到 NaN 时,助手需要的是当前模型与数据下的诊断步骤;一组语义相似的 OOM 日志可能没有任何帮助。

最小判别实验 · 本库提出

等预算比较无记忆、随机记忆、相关记忆、反事实记忆;匹配召回量,再观察行动与任务结果是否随关键经验的替换而改变。

与其他主线的连接

这是 Memory 接近经验学习的关键连接点;召回记录提供路径证据,主线 06 的匹配对照和干预才检验实际作用。

继续拓展 · 18 篇自动关联论文

依据卡片的研究问题标签或 narrative_threads 归入;尚未人工定位到上面的某个阶段,关联不等于该论文已解决本主线问题。

2026摘要核验
CODESKILL: Learning Self-Evolving Skills for Coding Agents

用 RL 学习从编码轨迹中提取多粒度 procedural skills,并持续维护紧凑技能库。

阅读论文卡片 ↗
2026摘要核验
Recursive self-improvement of AI research agents

科研 agent 提出对自身代码的修改,在隐藏评测上选择,再用接受后的版本进入下一轮。

阅读论文卡片 ↗
2025摘要核验
A-MEM: Agentic Memory for LLM Agents

以 Zettelkasten 式笔记、动态链接和历史记忆重写实现可演化的记忆组织。

阅读论文卡片 ↗
2025正文重点核验
Darwin Godel Machine: Open-Ended Evolution of Self-Improving Agents

修改自身 coding-agent 代码,基于 benchmark 验证变体并在 archive 中持续探索,是程序级 RSI 的代表。

阅读论文卡片 ↗
2025正文重点核验
Memory-R1: Enhancing Large Language Model Agents to Manage and Utilize Memories via Reinforcement Learning

把 ADD、UPDATE、DELETE、NOOP 和答案端记忆选择变为可学习策略。

阅读论文卡片 ↗
2025摘要核验
Evo-Memory: Benchmarking LLM Agent Test-time Learning with Self-Evolving Memory

把数据组织为顺序任务流,检查 agent 能否边执行边检索、整合和更新经验。

阅读论文卡片 ↗
2024正文重点核验
LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory

用信息提取、多 session 推理、时间推理、知识更新和拒答五类能力诊断长期记忆。

阅读论文卡片 ↗
2023摘要核验
Generative Agents: Interactive Simulacra of Human Behavior

以经验流、反思摘要和动态检索构成生成式智能体的长期记忆基础。

阅读论文卡片 ↗
2023摘要核验
MemoryBank: Enhancing Large Language Models with Long-Term Memory

将长期对话记忆、更新与基于遗忘曲线的选择性保留结合起来。

阅读论文卡片 ↗
2023摘要核验
Voyager: An Open-Ended Embodied Agent with Large Language Models

通过自动课程、可执行技能库和环境反馈形成开放式技能积累。

阅读论文卡片 ↗
2023摘要核验
MemGPT: Towards LLMs as Operating Systems

用分层记忆和显式控制流把有限上下文扩展为可管理的虚拟上下文。

阅读论文卡片 ↗
2026摘要核验
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。

阅读论文卡片 ↗
2025正文重点核验
Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory

以信息抽取、巩固、检索和图记忆变体连接长期对话质量与部署成本。

阅读论文卡片 ↗
2025摘要核验
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。

阅读论文卡片 ↗
2025摘要核验
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。

阅读论文卡片 ↗
2024摘要核验
HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models

用知识图和 Personalized PageRank 模拟长期知识整合,突出 memory substrate 与检索效率。

阅读论文卡片 ↗
2024摘要核验
The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery

把想法、代码、实验、论文和模拟评审串成可重复的科研 agent loop,但仍需检验长期改进和新颖性。

阅读论文卡片 ↗
2023摘要核验
Self-Refine: Iterative Refinement with Self-Feedback

同一模型生成、批评和重写输出,说明 test-time refinement 与持久 RSI 之间的边界。

阅读论文卡片 ↗
主线 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?

先看问题怎样推进,再点开任一步。

问题推进 · 01 / 04

把反馈变成反思

遇到了什么瓶颈

成败信号没有保留原因,下一次仍可能重复错误。

方法如何回应

将环境反馈转成语言反思,跨试次使用。

又留下什么问题

反思是否具体、正确且可执行?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2023摘要核验
Reflexion: Language Agents with Verbal Reinforcement Learning

把环境反馈转成语言反思并写入 episodic buffer,跨试次改变决策。

阅读论文卡片 ↗
问题推进 · 02 / 04

提炼跨任务经验

遇到了什么瓶颈

某条反思只适合原任务,直接迁移可能误导。

方法如何回应

从多段经历抽取较通用的自然语言经验。

又留下什么问题

抽象过度会丢失条件,抽象不足又无法复用。

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2023摘要核验
ExpeL: LLM Agents Are Experiential Learners

从任务经历提取自然语言知识,推理时召回经验,强调不更新参数的学习。

阅读论文卡片 ↗
问题推进 · 03 / 04

保存可执行技能

遇到了什么瓶颈

只有文字建议,执行时仍需重新生成整套动作。

方法如何回应

累积可调用程序技能,用环境反馈支持复用。

又留下什么问题

技能多了以后如何发现、组合、去重和维护?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2023摘要核验
Voyager: An Open-Ended Embodied Agent with Large Language Models

通过自动课程、可执行技能库和环境反馈形成开放式技能积累。

阅读论文卡片 ↗
问题推进 · 04 / 04

学习技能维护

遇到了什么瓶颈

技能库增长可能增加检索成本,过期技能可能失效。

方法如何回应

从编码轨迹学习多粒度技能提取与紧凑技能库维护。

又留下什么问题

学到的是可迁移程序能力,还是任务模板与执行器特性?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2026摘要核验
CODESKILL: Learning Self-Evolving Skills for Coding Agents

用 RL 学习从编码轨迹中提取多粒度 procedural skills,并持续维护紧凑技能库。

阅读论文卡片 ↗
放回同一个科研助手案例

从“下次检查随机种子”的反思,走向可调用的实验启动检查函数;之后还需判断函数适用于哪个环境、何时应更新。

最小判别实验 · 本库提出

固定经验来源,比较原始轨迹、语言反思、抽象规则和可执行技能;在未见组合任务中测复用收益与调用失败。

与其他主线的连接

技能是记忆的一种持久形式;只有当系统还会评价并改进未来的修改过程,才进一步接近主线 05 的递归闭环。

继续拓展 · 18 篇自动关联论文

依据卡片的研究问题标签或 narrative_threads 归入;尚未人工定位到上面的某个阶段,关联不等于该论文已解决本主线问题。

2026摘要核验
Large Language Model Agents Are Not Always Faithful Self-Evolvers

用对原始与压缩经验的因果干预,检查决策是否依赖经验内容。

阅读论文卡片 ↗
2026摘要核验
MemoryArena: Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks

在相互依赖的多 session 子任务中,同时测试记忆获取、经验提炼和后续行动。

阅读论文卡片 ↗
2026摘要核验
Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses

将每次系统编辑与其预测、来源轨迹和后续结果配对,使 harness 演化可定位、可回退、可证伪。

阅读论文卡片 ↗
2026正文重点核验
PAST-Bench: Benchmarking the Foundations of Recursive Self-Improvement in Personal Agents

在匹配条件下开关持久经验,分开衡量后续任务收益和 save–retrieve–update 路径证据。

阅读论文卡片 ↗
2026正文重点核验
RRSI: Regularized Recursive Self-Improvement of Agent Harnesses

约束候选编辑和选择,减少 harness 演化对开发 benchmark 的过拟合。

阅读论文卡片 ↗
2026摘要核验
Recursive self-improvement of AI research agents

科研 agent 提出对自身代码的修改,在隐藏评测上选择,再用接受后的版本进入下一轮。

阅读论文卡片 ↗
2026摘要核验
MemComposer: Learning to Assemble Memories for LLM Agents via Reinforcement Learning

以任务成功反馈学习 query-specific memory assembly,而不只按语义相似度召回。

阅读论文卡片 ↗
2025正文重点核验
Darwin Godel Machine: Open-Ended Evolution of Self-Improving Agents

修改自身 coding-agent 代码,基于 benchmark 验证变体并在 archive 中持续探索,是程序级 RSI 的代表。

阅读论文卡片 ↗
2025摘要核验
AlphaEvolve: A coding agent for scientific and algorithmic discovery

LLM 提出算法代码变体,由自动评价器和演化搜索选择并持续改进。

阅读论文卡片 ↗
2025正文重点核验
Memory-R1: Enhancing Large Language Model Agents to Manage and Utilize Memories via Reinforcement Learning

把 ADD、UPDATE、DELETE、NOOP 和答案端记忆选择变为可学习策略。

阅读论文卡片 ↗
2025摘要核验
Evo-Memory: Benchmarking LLM Agent Test-time Learning with Self-Evolving Memory

把数据组织为顺序任务流,检查 agent 能否边执行边检索、整合和更新经验。

阅读论文卡片 ↗
2024摘要核验
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。

阅读论文卡片 ↗
2023摘要核验
Self-Taught Optimizer (STOP): Recursively Self-Improving Code Generation

一个调用 LLM 的代码优化器修改自身,从而改变未来代码优化过程。

阅读论文卡片 ↗
2026摘要核验
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。

阅读论文卡片 ↗
2026摘要核验
Self-Evolving Coding Rules for AI Coding Agents

通过候选规则池、LLM mutator 和 judge 迭代选择编码规则。

阅读论文卡片 ↗
2025摘要核验
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。

阅读论文卡片 ↗
2024摘要核验
The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery

把想法、代码、实验、论文和模拟评审串成可重复的科研 agent loop,但仍需检验长期改进和新颖性。

阅读论文卡片 ↗
2023摘要核验
Self-Refine: Iterative Refinement with Self-Feedback

同一模型生成、批评和重写输出,说明 test-time refinement 与持久 RSI 之间的边界。

阅读论文卡片 ↗
主线 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?

先看问题怎样推进,再点开任一步。

问题推进 · 01 / 04

区分输出精炼与持久改变

遇到了什么瓶颈

一次输出变好,不能说明系统下次会更强。

方法如何回应

识别生成、反馈、重写和自验证的作用范围。

又留下什么问题

哪些变化在任务结束后被保留?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2023摘要核验
Self-Refine: Iterative Refinement with Self-Feedback

同一模型生成、批评和重写输出,说明 test-time refinement 与持久 RSI 之间的边界。

阅读论文卡片 ↗
2025摘要核验
ReVeal: Self-Evolving Code Agents via Reliable Self-Verification

以多轮 RL 和工具执行反馈训练自验证能力,再在测试时扩展生成—验证轮数。

阅读论文卡片 ↗
问题推进 · 02 / 04

自动搜索 agent 设计

遇到了什么瓶颈

人工提示、工具组合与工作流设计限制搜索空间。

方法如何回应

由 meta-agent 提出程序或规则候选,借评价与 archive 选择。

又留下什么问题

自动设计任务 agent,不自动等于改进设计者自身。

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2024摘要核验
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。

阅读论文卡片 ↗
2026摘要核验
Self-Evolving Coding Rules for AI Coding Agents

通过候选规则池、LLM mutator 和 judge 迭代选择编码规则。

阅读论文卡片 ↗
问题推进 · 03 / 04

让修改后的系统继续迭代

遇到了什么瓶颈

候选改进可能只被外部搜索器发现,递归作用范围不清。

方法如何回应

优化器修改自身,或从被接受的 agent 代码继续产生并评价变体。

又留下什么问题

谁被修改、谁提出修改、谁评价,以及“改进过程”是否真的变强?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2023摘要核验
Self-Taught Optimizer (STOP): Recursively Self-Improving Code Generation

一个调用 LLM 的代码优化器修改自身,从而改变未来代码优化过程。

阅读论文卡片 ↗
2025正文重点核验
Darwin Godel Machine: Open-Ended Evolution of Self-Improving Agents

修改自身 coding-agent 代码,基于 benchmark 验证变体并在 archive 中持续探索,是程序级 RSI 的代表。

阅读论文卡片 ↗
2026摘要核验
Recursive self-improvement of AI research agents

科研 agent 提出对自身代码的修改,在隐藏评测上选择,再用接受后的版本进入下一轮。

阅读论文卡片 ↗
问题推进 · 04 / 04

分清外部程序与参数适应

遇到了什么瓶颈

程序搜索、科研自动化与权重更新常被混称为自改进。

方法如何回应

分别检查演化对象、持久载体与独立评价;参数适应构成另一条分支,综述提供对象分类。

又留下什么问题

持久变化是否可泛化、可回退,且超过成本与副作用?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2025摘要核验
AlphaEvolve: A coding agent for scientific and algorithmic discovery

LLM 提出算法代码变体,由自动评价器和演化搜索选择并持续改进。

阅读论文卡片 ↗
2024摘要核验
The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery

把想法、代码、实验、论文和模拟评审串成可重复的科研 agent loop,但仍需检验长期改进和新颖性。

阅读论文卡片 ↗
2025摘要核验
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。

阅读论文卡片 ↗
2026摘要核验
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。

阅读论文卡片 ↗
放回同一个科研助手案例

助手改写了一份实验脚本,是程序产物优化;助手改写自身的诊断和选方案流程,再以新流程进入下一轮,才涉及更直接的系统自修改问题。

最小判别实验 · 本库提出

记录每轮改进的对象、提议者、评价器和持久载体;比较固定改进器与允许改进器自身改变的版本,在相同预算和隐藏任务上观察轨迹。

与其他主线的连接

这条线有并行分支,并非从 Self-Refine 必然升级到权重更新。程序级演化的有效性需要主线 06 与 07 共同验证。

继续拓展 · 6 篇自动关联论文

依据卡片的研究问题标签或 narrative_threads 归入;尚未人工定位到上面的某个阶段,关联不等于该论文已解决本主线问题。

2026摘要核验
Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses

将每次系统编辑与其预测、来源轨迹和后续结果配对,使 harness 演化可定位、可回退、可证伪。

阅读论文卡片 ↗
2026摘要核验
CODESKILL: Learning Self-Evolving Skills for Coding Agents

用 RL 学习从编码轨迹中提取多粒度 procedural skills,并持续维护紧凑技能库。

阅读论文卡片 ↗
2026正文重点核验
RRSI: Regularized Recursive Self-Improvement of Agent Harnesses

约束候选编辑和选择,减少 harness 演化对开发 benchmark 的过拟合。

阅读论文卡片 ↗
2026摘要核验
EvalResearchBench: Can AI Agents Build Their Own Feedback for Recursive Self-Improvement?

让 agent 在固定时间/API 预算内设计评价任务与 grader,再比较其排序与隐藏目标 benchmark 的一致性。

阅读论文卡片 ↗
2023摘要核验
Reflexion: Language Agents with Verbal Reinforcement Learning

把环境反馈转成语言反思并写入 episodic buffer,跨试次改变决策。

阅读论文卡片 ↗
2023摘要核验
Voyager: An Open-Ended Embodied Agent with Large Language Models

通过自动课程、可执行技能库和环境反馈形成开放式技能积累。

阅读论文卡片 ↗
主线 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?

先看问题怎样推进,再点开任一步。

问题推进 · 01 / 04

测长期信息保存

遇到了什么瓶颈

普通短问答不能刻画长对话中的事件和个人信息。

方法如何回应

构建长时间、多 session 的对话理解与记忆问答任务。

又留下什么问题

保存的信息能否更新、跨 session 组合,并在不知道时拒答?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2024摘要核验
Evaluating Very Long-Term Conversational Memory of LLM Agents

把长期对话理解分解为问答、事件摘要和多模态对话生成,是后续 memory 方法常用的评测起点。

阅读论文卡片 ↗
2024正文重点核验
LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory

用信息提取、多 session 推理、时间推理、知识更新和拒答五类能力诊断长期记忆。

阅读论文卡片 ↗
问题推进 · 02 / 04

测连续任务中的行动

遇到了什么瓶颈

对话 QA 高分不能直接推出 agent 会在环境中复用经验。

方法如何回应

顺序任务流与相互依赖的 session 把经验获取连到后续行动。

又留下什么问题

任务收益是否确由持久经验造成?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2025摘要核验
Evo-Memory: Benchmarking LLM Agent Test-time Learning with Self-Evolving Memory

把数据组织为顺序任务流,检查 agent 能否边执行边检索、整合和更新经验。

阅读论文卡片 ↗
2026摘要核验
MemoryArena: Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks

在相互依赖的多 session 子任务中,同时测试记忆获取、经验提炼和后续行动。

阅读论文卡片 ↗
2026摘要核验
MemLens: Benchmarking Multimodal Long-Term Memory in Large Vision-Language Models

在多模态多 session 对话中,检验长上下文和外部记忆如何保存并使用视觉证据。

阅读论文卡片 ↗
问题推进 · 03 / 04

测经验的实际作用

遇到了什么瓶颈

记忆调用日志与较高分数都不能单独证明因果。

方法如何回应

匹配经验开关条件,对原始或压缩经验进行反事实干预。

又留下什么问题

干预是否只改变经验?评价结果又依赖怎样的 grader?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2026正文重点核验
PAST-Bench: Benchmarking the Foundations of Recursive Self-Improvement in Personal Agents

在匹配条件下开关持久经验,分开衡量后续任务收益和 save–retrieve–update 路径证据。

阅读论文卡片 ↗
2026摘要核验
Large Language Model Agents Are Not Always Faithful Self-Evolvers

用对原始与压缩经验的因果干预,检查决策是否依赖经验内容。

阅读论文卡片 ↗
问题推进 · 04 / 04

再检查评价器

遇到了什么瓶颈

持续优化可能迎合开发评价,而不是目标任务。

方法如何回应

检验生成的评价器在隐藏目标上的排序一致性,分离开发和测试。

又留下什么问题

接受规则能否在长期迭代中抵御过拟合和自我确认?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2026摘要核验
EvalResearchBench: Can AI Agents Build Their Own Feedback for Recursive Self-Improvement?

让 agent 在固定时间/API 预算内设计评价任务与 grader,再比较其排序与隐藏目标 benchmark 的一致性。

阅读论文卡片 ↗
2026正文重点核验
RRSI: Regularized Recursive Self-Improvement of Agent Harnesses

约束候选编辑和选择,减少 harness 演化对开发 benchmark 的过拟合。

阅读论文卡片 ↗
放回同一个科研助手案例

助手在旧实验上答得更快,可能只是记住答案。把硬件和模型换成新组合,再替换关键经验,才能检验它是否学会诊断。

最小判别实验 · 本库提出

联合报告结果、记忆路径、匹配对照和干预;开发评价器与最终隐藏测试分离,不混用搜索子集与完整测试结果。

与其他主线的连接

这条主线贯穿其他六条,不是最后才补做的一步;不同评测测量的能力并不相同。

继续拓展 · 15 篇自动关联论文

依据卡片的研究问题标签或 narrative_threads 归入;尚未人工定位到上面的某个阶段,关联不等于该论文已解决本主线问题。

2026摘要核验
Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses

将每次系统编辑与其预测、来源轨迹和后续结果配对,使 harness 演化可定位、可回退、可证伪。

阅读论文卡片 ↗
2026摘要核验
Recursive self-improvement of AI research agents

科研 agent 提出对自身代码的修改,在隐藏评测上选择,再用接受后的版本进入下一轮。

阅读论文卡片 ↗
2026摘要核验
MemComposer: Learning to Assemble Memories for LLM Agents via Reinforcement Learning

以任务成功反馈学习 query-specific memory assembly,而不只按语义相似度召回。

阅读论文卡片 ↗
2025正文重点核验
Darwin Godel Machine: Open-Ended Evolution of Self-Improving Agents

修改自身 coding-agent 代码,基于 benchmark 验证变体并在 archive 中持续探索,是程序级 RSI 的代表。

阅读论文卡片 ↗
2025摘要核验
AlphaEvolve: A coding agent for scientific and algorithmic discovery

LLM 提出算法代码变体,由自动评价器和演化搜索选择并持续改进。

阅读论文卡片 ↗
2025正文重点核验
Memory-R1: Enhancing Large Language Model Agents to Manage and Utilize Memories via Reinforcement Learning

把 ADD、UPDATE、DELETE、NOOP 和答案端记忆选择变为可学习策略。

阅读论文卡片 ↗
2024摘要核验
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。

阅读论文卡片 ↗
2023摘要核验
Self-Taught Optimizer (STOP): Recursively Self-Improving Code Generation

一个调用 LLM 的代码优化器修改自身,从而改变未来代码优化过程。

阅读论文卡片 ↗
2023摘要核验
MemGPT: Towards LLMs as Operating Systems

用分层记忆和显式控制流把有限上下文扩展为可管理的虚拟上下文。

阅读论文卡片 ↗
2026摘要核验
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。

阅读论文卡片 ↗
2026摘要核验
Self-Evolving Coding Rules for AI Coding Agents

通过候选规则池、LLM mutator 和 judge 迭代选择编码规则。

阅读论文卡片 ↗
2025正文重点核验
Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory

以信息抽取、巩固、检索和图记忆变体连接长期对话质量与部署成本。

阅读论文卡片 ↗
2025摘要核验
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。

阅读论文卡片 ↗
2025摘要核验
ReVeal: Self-Evolving Code Agents via Reliable Self-Verification

以多轮 RL 和工具执行反馈训练自验证能力,再在测试时扩展生成—验证轮数。

阅读论文卡片 ↗
2024摘要核验
The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery

把想法、代码、实验、论文和模拟评审串成可重复的科研 agent loop,但仍需检验长期改进和新颖性。

阅读论文卡片 ↗
主线 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?

先看问题怎样推进,再点开任一步。

问题推进 · 01 / 04

从最好分数看迭代轨迹

遇到了什么瓶颈

只报告最佳版本,可能隐藏回归、搜索成本和失败候选。

方法如何回应

保留变体 archive、候选评估和不同规模测试范围。

又留下什么问题

开发 benchmark 上的选择是否形成过拟合?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2025正文重点核验
Darwin Godel Machine: Open-Ended Evolution of Self-Improving Agents

修改自身 coding-agent 代码,基于 benchmark 验证变体并在 archive 中持续探索,是程序级 RSI 的代表。

阅读论文卡片 ↗
2024摘要核验
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。

阅读论文卡片 ↗
问题推进 · 02 / 04

把接受规则纳入研究

遇到了什么瓶颈

约束放宽可能提高开发分数,却损害 OOD。

方法如何回应

约束候选修改与选择,区分 evolve、held-out 和 OOD。

又留下什么问题

哪条约束在何种环境下保护泛化?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2026正文重点核验
RRSI: Regularized Recursive Self-Improvement of Agent Harnesses

约束候选编辑和选择,减少 harness 演化对开发 benchmark 的过拟合。

阅读论文卡片 ↗
问题推进 · 03 / 04

让变更可解释、可追溯

遇到了什么瓶颈

多轮修改后,难以知道哪次编辑造成收益或回归。

方法如何回应

将修改、预测、来源轨迹和结果配对,检查隐藏任务表现。

又留下什么问题

一个环境中的改进能否跨环境、执行器与研究任务迁移?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2026摘要核验
Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses

将每次系统编辑与其预测、来源轨迹和后续结果配对,使 harness 演化可定位、可回退、可证伪。

阅读论文卡片 ↗
2026摘要核验
Recursive self-improvement of AI research agents

科研 agent 提出对自身代码的修改,在隐藏评测上选择,再用接受后的版本进入下一轮。

阅读论文卡片 ↗
问题推进 · 04 / 04

面对长期累积与新分布

遇到了什么瓶颈

记忆、技能和参数更新都可能遗忘旧能力或保留过期规则。

方法如何回应

将知识更新、持续经验流和参数适应分别纳入稳定性评估。

又留下什么问题

如何同时改善新任务、保留旧能力,并控制成本与不可逆副作用?

代表论文

人工定位到当前问题阶段 · 点击查看证据边界
2024正文重点核验
LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory

用信息提取、多 session 推理、时间推理、知识更新和拒答五类能力诊断长期记忆。

阅读论文卡片 ↗
2025摘要核验
Evo-Memory: Benchmarking LLM Agent Test-time Learning with Self-Evolving Memory

把数据组织为顺序任务流,检查 agent 能否边执行边检索、整合和更新经验。

阅读论文卡片 ↗
2025摘要核验
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。

阅读论文卡片 ↗
放回同一个科研助手案例

一次实验加速策略在新课题上变慢,或在不同显卡上失效;助手需要保留适用条件、发现回归,并恢复此前流程。

最小判别实验 · 本库提出

按任务族与环境划分开发、隐藏测试和 OOD;固定总预算,报告多轮性能轨迹、回归率、恢复成本和接受/拒绝原因。

与其他主线的连接

泛化、可回退与来源治理是待验证的目标,不是所有现有 RSI 系统已经拥有的能力。

继续拓展 · 11 篇自动关联论文

依据卡片的研究问题标签或 narrative_threads 归入;尚未人工定位到上面的某个阶段,关联不等于该论文已解决本主线问题。

2026摘要核验
Large Language Model Agents Are Not Always Faithful Self-Evolvers

用对原始与压缩经验的因果干预,检查决策是否依赖经验内容。

阅读论文卡片 ↗
2026正文重点核验
PAST-Bench: Benchmarking the Foundations of Recursive Self-Improvement in Personal Agents

在匹配条件下开关持久经验,分开衡量后续任务收益和 save–retrieve–update 路径证据。

阅读论文卡片 ↗
2026摘要核验
EvalResearchBench: Can AI Agents Build Their Own Feedback for Recursive Self-Improvement?

让 agent 在固定时间/API 预算内设计评价任务与 grader,再比较其排序与隐藏目标 benchmark 的一致性。

阅读论文卡片 ↗
2025摘要核验
AlphaEvolve: A coding agent for scientific and algorithmic discovery

LLM 提出算法代码变体,由自动评价器和演化搜索选择并持续改进。

阅读论文卡片 ↗
2023摘要核验
MemoryBank: Enhancing Large Language Models with Long-Term Memory

将长期对话记忆、更新与基于遗忘曲线的选择性保留结合起来。

阅读论文卡片 ↗
2023摘要核验
Self-Taught Optimizer (STOP): Recursively Self-Improving Code Generation

一个调用 LLM 的代码优化器修改自身,从而改变未来代码优化过程。

阅读论文卡片 ↗
2026摘要核验
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。

阅读论文卡片 ↗
2026摘要核验
Self-Evolving Coding Rules for AI Coding Agents

通过候选规则池、LLM mutator 和 judge 迭代选择编码规则。

阅读论文卡片 ↗
2025摘要核验
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。

阅读论文卡片 ↗
2025摘要核验
ReVeal: Self-Evolving Code Agents via Reliable Self-Verification

以多轮 RL 和工具执行反馈训练自验证能力,再在测试时扩展生成—验证轮数。

阅读论文卡片 ↗
2024摘要核验
The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery

把想法、代码、实验、论文和模拟评审串成可重复的科研 agent loop,但仍需检验长期改进和新颖性。

阅读论文卡片 ↗

七条主线,一起看

前两条决定留下什么,中间三条讨论如何改变行动与系统,后两条检验这些变化。

01 · 记忆表示与组织
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
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
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
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
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
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
回到核心连接

经验不是终点,
可验证的能力变化才是追问。

经验来源 → 写入与压缩 → 任务条件化组装 → 行动变化 → 独立评价 → 跨任务保留。

这是本库提出的分析链。定位失败发生在哪一环,再选择改表示、管理策略、执行方式或评价规则。

组织方式借鉴用户共享的 GraphRAG 对话,具体主张以论文卡片的一手来源为依据。问题递进和判别实验包含本库综合分析;摘要核验、正文重点核验均不等于独立复现。新增论文自动进入关联阅读;阶段定位由 Markdown 表格人工维护。