Recuris

摘要

Recuris 是面向长程 Agent harness 的实验性 memory evolution 系统，重点是把失败轨迹变成可验证、可回滚的跨任务 Skill Memory patch。

核心内容

基本信息

• 实体类别：研究系统与开源项目
• 关键名称或版本：arXiv v1；GitHub 初始公开于 2026-08-25
• 时间范围：2026-08-25 至今

重要事实

• 冻结 LLM 与工具，演化外部 M=(E,W,rho,C)，并使用固定 Meta-Agent 和 held-out gate。（来源：Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses）
• 代码仓库：https://github.com/Gen-Verse/Recuris

关系与影响

与 Self-Improving Harness、Agent Failure Localization 和 Recursive Self-Improvement 直接相关；属于持久 harness 自进化，不是严格 Agentic RL。

相关页面

• 概念：Recursive Self-Improvement、Self-Improving Harness、Agent Failure Localization、Meta-Agent
• 实体：SkillForge、StarHarness
• 主题：LLM Agent Self-Improvement

来源

• Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses

待核实问题

• 已核实（2026-08-28）：Apache-2.0 仓库已公开 evaluation/evolution code、Skill Memory、冻结 splits 与复现命令。
• 仍待独立运行：论文数值、统计显著性、跨模型迁移和组件定位结果。