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。
留住交互经验
当前上下文之外的历史无法稳定影响行为。
保存自然语言经验流与摘要,按相关性、重要性或近因召回。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界管理有限上下文
把全部历史装入上下文代价高,重要信息仍可能被淹没。
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。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界连接分散知识
单条相似度召回可能遗漏需要联合使用的事实与经历。
用图传播、笔记链接、结构化抽取组织关联。
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 ↗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 ↗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 ↗让表示接受任务检验
结构更复杂,不能单独说明未来行动得到改善。
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。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界助手需要把一次 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。
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。
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。
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。
从追加走向选择
全量追加使噪声、重复和过期内容持续累积。
用重要性、遗忘或巩固机制选择保留内容。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界从存储走向可编辑记忆
多份摘要或笔记可能保存相互矛盾的事实。
抽取、合并、改写记忆与链接,显式管理更新。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界学习记忆操作
写入策略与下游任务效用可能失配。
用反馈学习 ADD、UPDATE、DELETE、NOOP 等记忆动作。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界检查长期后果
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。
用知识更新诊断和顺序任务流检验持续维护。
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。
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。
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。
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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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。
召回相关经历
系统每次从头探索,重复已经遇到的失败。
从以往轨迹提取经验,在后续任务中召回。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界从相关性走向可用性
摘要可能丢失条件,执行模型也可能忽略或误读经验。
对原始与压缩经验做干预,检查决策如何依赖内容。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界组织互补经验集合
多条高相似经验可能重复,挤占真正补充当前缺口的内容。
用任务反馈学习面向查询的记忆选择与组装。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界追踪经验到行动
最终答对可能来自模型原有知识,也可能绕过记忆。
同时观察记忆操作、相互依赖的后续行动和经验开关对照。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界遇到 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。
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。
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。
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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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。
把反馈变成反思
成败信号没有保留原因,下一次仍可能重复错误。
将环境反馈转成语言反思,跨试次使用。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界提炼跨任务经验
某条反思只适合原任务,直接迁移可能误导。
从多段经历抽取较通用的自然语言经验。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界保存可执行技能
只有文字建议,执行时仍需重新生成整套动作。
累积可调用程序技能,用环境反馈支持复用。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界学习技能维护
技能库增长可能增加检索成本,过期技能可能失效。
从编码轨迹学习多粒度技能提取与紧凑技能库维护。
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。
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。
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。
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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗AlphaEvolve: A coding agent for scientific and algorithmic discoveryLLM 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 ↗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 ↗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 ↗Automated Design of Agentic SystemsMeta 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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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。
区分输出精炼与持久改变
一次输出变好,不能说明系统下次会更强。
识别生成、反馈、重写和自验证的作用范围。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界自动搜索 agent 设计
人工提示、工具组合与工作流设计限制搜索空间。
由 meta-agent 提出程序或规则候选,借评价与 archive 选择。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界让修改后的系统继续迭代
候选改进可能只被外部搜索器发现,递归作用范围不清。
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。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界一个调用 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 ↗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 ↗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 ↗分清外部程序与参数适应
程序搜索、科研自动化与权重更新常被混称为自改进。
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。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界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 ↗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 ↗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 ↗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 ↗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。
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。
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。
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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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。
测长期信息保存
普通短问答不能刻画长对话中的事件和个人信息。
构建长时间、多 session 的对话理解与记忆问答任务。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界测连续任务中的行动
对话 QA 高分不能直接推出 agent 会在环境中复用经验。
顺序任务流与相互依赖的 session 把经验获取连到后续行动。
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 ↗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 ↗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 ↗测经验的实际作用
记忆调用日志与较高分数都不能单独证明因果。
匹配经验开关条件,对原始或压缩经验进行反事实干预。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界再检查评价器
持续优化可能迎合开发评价,而不是目标任务。
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。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界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。
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。
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。
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 ↗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 ↗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 ↗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 ↗AlphaEvolve: A coding agent for scientific and algorithmic discoveryLLM 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 ↗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 ↗Automated Design of Agentic SystemsMeta 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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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。
从最好分数看迭代轨迹
只报告最佳版本,可能隐藏回归、搜索成本和失败候选。
保留变体 archive、候选评估和不同规模测试范围。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界把接受规则纳入研究
约束放宽可能提高开发分数,却损害 OOD。
约束候选修改与选择,区分 evolve、held-out 和 OOD。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界让变更可解释、可追溯
多轮修改后,难以知道哪次编辑造成收益或回归。
将修改、预测、来源轨迹和结果配对,检查隐藏任务表现。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界面对长期累积与新分布
记忆、技能和参数更新都可能遗忘旧能力或保留过期规则。
将知识更新、持续经验流和参数适应分别纳入稳定性评估。
代表论文
人工定位到当前问题阶段 · 点击查看证据边界用信息提取、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 ↗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 ↗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 ↗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。
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。
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。
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 ↗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 ↗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 ↗AlphaEvolve: A coding agent for scientific and algorithmic discoveryLLM 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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗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 ↗