DAEDALUS：agent 自己出练习题，练出一套记忆
大多数 agent 记忆系统默认你手里已经有训练任务和一个验证器。DAEDALUS（arXiv 2610.08048，作者包括 Antoine Edy 和 Gautier Viaud）把这两样都去掉了。它配了一个探索者 agent 在新环境里摸索、编出难但能解的任务，和一个解题者去做。解题者每次失败产生一条候选启发式规则，规则只有在解题者带着它反复成功之后才被接受，解题结果再反馈给探索者调难度。被接受的规则汇成一个记忆库，agent 带着它去做真实任务。
数字扎实。在 AppWorld、tau 平方 bench 和 AutomationBench 上，DAEDALUS 比无记忆基线平均成功率最多高 15.9 个点，pass^5 最多高 2.2 倍，和那些有训练任务的方法打得有来有回，推理成本比大多数都低。探索预算很小时收益就出现了。规则能跨模型家族迁移。消融实验说关键信息来自解题者的执行轨迹，这和 GUI-HARVEST 本周关于框架诊断的发现一样：证据在执行过的轨迹里，不在模型的自述里。
还有一个对跑评测的人要紧的附带结果：DAEDALUS 生成的任务给模型排名，和真实基准任务排出来的差不多。一个为了学会环境而自己写课程的 agent，顺手给那个环境写了一个基准，这大致就是同周 AutoSciBench（2610.05140）专门为科学 agent 去做的事。
要盯的是接受规则。"一条规则只有在上下文里反复奏效后才留下"，正是记忆这条线自 Memadapter 证明连正确的记忆也会诱发谄媚之后一直在绕的写入时筛选。DAEDALUS 按结果把关，不按看起来合不合理把关。代码和产物论文里有链接。
链接：arxiv.org/abs/2610.08048
← 返回所有文章
数字扎实。在 AppWorld、tau 平方 bench 和 AutomationBench 上，DAEDALUS 比无记忆基线平均成功率最多高 15.9 个点，pass^5 最多高 2.2 倍，和那些有训练任务的方法打得有来有回，推理成本比大多数都低。探索预算很小时收益就出现了。规则能跨模型家族迁移。消融实验说关键信息来自解题者的执行轨迹，这和 GUI-HARVEST 本周关于框架诊断的发现一样：证据在执行过的轨迹里，不在模型的自述里。
还有一个对跑评测的人要紧的附带结果：DAEDALUS 生成的任务给模型排名，和真实基准任务排出来的差不多。一个为了学会环境而自己写课程的 agent，顺手给那个环境写了一个基准，这大致就是同周 AutoSciBench（2610.05140）专门为科学 agent 去做的事。
要盯的是接受规则。"一条规则只有在上下文里反复奏效后才留下"，正是记忆这条线自 Memadapter 证明连正确的记忆也会诱发谄媚之后一直在绕的写入时筛选。DAEDALUS 按结果把关，不按看起来合不合理把关。代码和产物论文里有链接。
链接：arxiv.org/abs/2610.08048
评论