Pesquisadores apresentam o Recuris, uma arquitetura recursiva de Memória Experiencial-de-Trabalho projetada para enfrentar os desafios da autoaperfeiçoamento recursivo em tarefas de longo prazo. O sistema usa a Memória de Trabalho para acompanhar o progresso da tarefa e orientar a seleção de habilidades da Memória Experiencial, fundamentando decisões nas necessidades atuais em vez do histórico completo.

  • Um Meta-Agente fixo processa evidências de execução em atualizações localizadas para a Memória de Habilidades, formando um loop evolutivo de memória recursiva limitado.
  • O Recuris melhora o sucesso da tarefa em 35 dos 37 pares modelo-benchmark concluídos em quatro benchmarks de longo prazo e dez modelos.
  • A arquitetura leva modelos de ponta ao desempenho SOTA, adicionando +17,8 pontos ao GPT-5.6 Sol e +15,6 ao Claude Opus 5 no tau-bench.
  • No Qwen3.6-27B/35B, o Recuris adiciona +16,6/+13,5 pontos no SkillFlow, com vantagens ampliadas para +32,2 pontos nas tarefas mais longas.
  • Falhas comuns de longo prazo são reduzidas em até 80% à medida que os horizontes de interação crescem.

Esses resultados posicionam a memória evolutiva recursivamente como uma base escalável para RSI, permitindo que agentes transformem continuamente a experiência acumulada em comportamento de longo prazo cada vez mais eficaz.