शोधकर्ताओं ने Recuris का परिचय दिया, जो लंबी अवधि की कार्यों में पुनरावर्ती आत्म-उन्नयन की चुनौतियों को दूर करने के लिए डिज़ाइन किया गया एक अनुभव-कार्यशील स्मृति संरचना है। यह प्रणाली कार्य की प्रगति को ट्रैक करने और अनुभव स्मृति से कौशल चयन को मार्गदर्शित करने के लिए कार्यशील स्मृति का उपयोग करती है, जिससे निर्णय पूर्ण इतिहास के बजाय वर्तमान आवश्यकताओं पर आधारित होते हैं।
- एक स्थिर Meta-Agent निष्पादन प्रमाण को कौशल स्मृति के लिए स्थानीकृत अपडेट में संसाधित करता है, जिससे एक सीमित पुनरावर्ती स्मृति-विकास लूप बनता है।
- Recuris ने चार लंबी अवधि के बेंचमार्क और दस मॉडल के 37 पूर्ण मॉडल-बेंचमार्क जोड़ों में से 35 में कार्य सफलता में सुधार किया।
- यह संरचना शीर्ष स्तर के मॉडलों को SOTA-स्तर की प्रदर्शन क्षमता प्रदान करती है, जिससे GPT-5.6 Sol में +17.8 अंक और tau-bench पर Claude Opus 5 में +15.6 अंक का वृद्धि हुई।
- Qwen3.6-27B/35B पर, Recuris ने SkillFlow में +16.6/+13.5 अंक जोड़े, जबकि सबसे लंबी कार्यों पर लाभ +32.2 अंक तक बढ़ गया।
- इंटरैक्शन हॉरिज़न बढ़ने के साथ सामान्य लंबी अवधि की विफलताएं 80% तक कम हो जाती हैं।
ये परिणाम पुनरावर्ती रूप से विकसित होने वाली स्मृति को RSI के लिए एक स्केलेबल आधार के रूप में स्थित करते हैं, जिससे एजेंट संचित अनुभव को लगातार अधिक प्रभावी लंबी अवधि के व्यवहार में परिवर्तित कर सकते हैं।