Gen-Verse发布Recuris：递归记忆架构助力长时智能体任务突破

摘要：Gen-Verse推出了一款名为Recuris的递归记忆架构，旨在解决长时智能体任务中递归自我改进（RSI）的难题。该架构通过结合工作记忆和经验记忆，实时跟踪任务进展并指导技能选择，从而减少历史依赖并提升任务成功率。在多个长时智能体基准测试中，Recuris显著提升了任务成功率，例如在tau-bench上为GPT-5.6 Sol增加了17.8分，为Claude Opus 5增加了15.6分，使其达到87.9%。此外，Recuris在处理最长任务时优势更加明显，常见长时智能体失败率降低高达80%。这项技术为AI智能体在复杂任务中的持续改进提供了新的可能性。

---

递归记忆架构：突破长时智能体任务瓶颈

技术背景

递归自我改进（RSI）在长时智能体任务中一直是一个难题。由于任务历史不断增长，任务状态变得模糊，技能调用也容易出现偏差。传统的智能体架构难以有效处理这种复杂性，导致任务成功率下降。

Recuris架构

Gen-Verse推出的Recuris通过以下方式解决了上述问题：

• 工作记忆与经验记忆结合：工作记忆实时跟踪任务进展，而经验记忆则存储过往经验并指导技能选择。这种结合确保了技能调用基于当前需求，而非完整的历史记录。

• 结构化执行与错误定位：执行过程被转化为结构化证据，帮助定位失败到具体的记忆组件，从而实现更精准的改进。

• 元智能体驱动的记忆更新：一个固定的元智能体将执行证据转化为局部化的、技能记忆的验证门控更新。这些更新重塑了执行过程，并生成新的证据，形成一个受限的递归记忆进化循环。

实验结果

在四个长时智能体基准测试和十个模型中，Recuris在37个完成的模型-基准对中，有35个实现了任务成功率的提升：

• 在tau-bench上，GPT-5.6 Sol增加了17.8分，Claude Opus 5增加了15.6分，使其达到87.9%。
• 在SkillFlow上，Qwen3.6-27B和35B分别增加了16.6分和13.5分。
• 随着交互时段的增长，Recuris的优势更加明显，在最长任务中增加了32.2分。
• 常见的长时智能体失败率降低了高达80%。

行业影响

Recuris的发布标志着递归记忆进化作为RSI的可扩展基础，为智能体在复杂任务中的持续改进提供了新的方向。其成功应用不仅提升了AI智能体的任务执行能力，还为AI在长时任务中的发展开辟了新的可能性。

开发者建议

• 尝试Recuris架构：对于需要处理长时任务的AI应用，建议尝试Recuris架构，以提升任务成功率和智能体性能。
• 关注开源代码：Recuris的开源代码已在GitHub上发布，开发者可以参考并根据具体需求进行定制。
• 探索记忆进化机制：深入研究Recuris的记忆进化机制，有助于开发更智能、更高效的AI应用。

---

消息来源：Hugging Face Daily Papers (2026-08-25)

—— 完 ——

主题标签： #Gen-Verse #智能体 #递归记忆 #长时智能体 #AI架构