Para peneliti memperkenalkan Recuris, sebuah arsitektur Memori Kerja Eksperensial rekursif yang dirancang untuk mengatasi tantangan peningkatan diri secara rekursif dalam tugas jangka panjang. Sistem ini menggunakan Memori Kerja untuk melacak kemajuan dan membimbing pemilihan keterampilan dari Memori Eksperensial, menciptakan loop terbatas yang memlokalisisasi kegagalan dan memperbarui keterampilan berdasarkan kebutuhan saat ini.
- Recuris meningkatkan keberhasilan tugas pada 35 dari 37 pasangan model-benchmark yang selesai di empat benchmark.
- Di tau-bench, ia menambahkan +17.8 poin ke GPT-5.6 Sol dan +15.6 ke Claude Opus 5, mencapai 87.9%.
- Ia menambahkan +16.6/+13.5 poin pada Qwen3.6-27B/35B di SkillFlow.
- Keunggulan melebar seiring bertambahnya horizon interaksi, menambahkan +32.2 poin pada tugas terpanjang.
- Kegagalan jangka panjang umum berkurang hingga 80%.
Pendekatan ini menempatkan memori yang berevolusi secara rekursif sebagai fondasi yang dapat diskalakan untuk peningkatan diri secara rekursif, memungkinkan agen terus-menerus mengubah pengalaman yang terkumpul menjadi perilaku yang lebih efektif.