Dans l'actualité
Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses
arXiv cs.AI · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- Recuris sépare la mémoire de suivi des tâches de la sélection des compétences pour améliorer les performances sur des tâches longues et permettre l'auto-amélioration récursive.
- Pourquoi ça compte
- Pertinent pour les ingénieurs construisant des agents multi-étapes qui peinent avec un contexte croissant, la confusion d'état ou l'échec de sélection de compétences.
- Vigilance
- Résultats sur des benchmarks spécifiques avec modèles frontier; la généralisation à d'autres domaines ou modèles plus petits reste incertaine.
Écouter ce résumé
- agent
- long-horizon
- self-improv
Les patterns derrière cette actualité
- Working Memory Patterns
- Agentic Context Engineering (Evolving Playbook)
- Evolutionary Discovery Algorithms
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.