Illuin Tech推出DAEDALUS：基于自生成任务引导智能体记忆构建新方法

摘要：Illuin Tech的研究团队提出了一种名为DAEDALUS的新方法，旨在解决智能体在全新环境中缺乏操作知识的问题。DAEDALUS通过自生成任务和两个智能体（探索者与解决者）的交互，构建可重用的智能体记忆，避免重复错误并提升任务成功率。该方法在多个基准测试中表现出色，显著提高了任务成功率并降低了推理成本，为智能体在复杂环境中的高效决策提供了新的技术路径。

---

背景与挑战

在复杂环境中，智能体（Agents）需要具备可靠的操作知识才能有效完成任务。然而，智能体在面对新环境时，往往缺乏对工具行为或环境规范的了解，导致重复错误、任务失败率增加以及轨迹变长。传统方法依赖于人工编写的指南或基于训练任务和验证器的过程性记忆，但这些方法需要环境的事先知识，限制了智能体的适应能力。

DAEDALUS方法

Illuin Tech提出的DAEDALUS方法通过自生成任务来引导智能体记忆的构建，具体步骤如下：

1. 双智能体协作：DAEDALUS引入两个智能体——探索者（Explorer）和解决者（Solver）。探索者负责与环境交互，生成具有挑战性但可解决的任务，而解决者则尝试解决这些任务。

2. 启发式学习：每次解决者失败时，都会生成一个启发式规则。只有当解决者在上下文中反复成功应用该规则后，启发式规则才会被接受并整合到记忆库中。

3. 任务难度调整：启发式规则的成功与否也为探索者提供了反馈，使其能够调整未来任务的难度。

4. 记忆库构建：最终，被接受的启发式规则被整合到记忆库中，供测试时使用。

实验结果

在AppWorld、τ^2-bench和AutomationBench等多个基准测试中，DAEDALUS相较于无记忆基线方法，任务成功率提高了15.9个百分点，pass^5指标提升了2.2倍。此外，DAEDALUS在推理成本上低于大多数基于训练任务的方法，展示了其在效率上的优势。

技术亮点

• 自生成任务：无需预先任务或验证器，通过自生成任务实现智能体记忆的构建。
• 双智能体机制：探索者与解决者的协作机制确保了任务的有效性和启发式的可靠性。
• 启发式整合：通过反复验证和整合启发式规则，提升智能体的适应性和任务成功率。

行业影响与开发者建议

DAEDALUS为智能体在复杂环境中的高效决策提供了新的技术路径，尤其适用于需要快速适应新环境的应用场景，如机器人导航、虚拟助手和自动化系统。开发者可以参考DAEDALUS的机制，设计更智能、更高效的智能体系统。此外，DAEDALUS的代码和实验数据已在GitHub上开源，开发者可以基于此进行二次开发和优化。

---

消息来源：Hugging Face Daily Papers (2026-10-06)

—— 完 ——

主题标签： #智能体 关注 #AI记忆 关注 #自生成任务 关注 #强化学习 关注 #Illuin Tech 关注