長期的エージェント・ハーネスのための経験-作業記憶の再帰的進化

要旨

再帰的自己改善（RSI）は、長期的タスクにおいて依然として困難である。そこでは、増大する履歴がタスク状態を曖昧にし、スキルの呼び出しを誤った方向へ導く。我々は、長期的タスク向けエージェントハーネスのための再帰的な経験-作業記憶アーキテクチャであるRecurisを導入する。このアーキテクチャでは、作業記憶がタスクの進捗を追跡し、経験記憶からのスキル選択を導くことで、スキルの使用を完全な履歴ではなく現在のニーズに基づいて行う。この結合により、実行は構造化された証拠へと変わり、障害を特定の記憶コンポーネントに局在化できるようになる。タスク全体を通じて、固定されたメタエージェントがその証拠を、スキル記憶への局所的で検証ゲート付きの更新に変換し、実行を再形成して新たな証拠を生み出す。これにより、有界な再帰的記憶進化ループが形成される。4つの長期的ベンチマークと10のモデルにわたる評価で、Recurisは完了した37のモデル・ベンチマークペアのうち35でタスク成功率を向上させ、フロンティアモデルをSOTAレベルのタスク成功率へと到達させた。tau-benchでは、GPT-5.6 Solに+17.8ポイント、Claude Opus 5に+15.6ポイントを追加し、Opus 5を87.9%に到達させた。また、SkillFlowではQwen3.6-27B/35Bに対してそれぞれ+16.6/+13.5ポイントを達成した。この利点は、インタラクションホライズンが長くなるにつれて拡大し、最長タスクでは+32.2ポイントに達し、一般的な長期的失敗は最大80%減少した。これらの結果は、再帰的に進化する記憶をRSIのスケーラブルな基盤として位置づけ、エージェントが蓄積された経験を継続的に、ますます効果的な長期的行動へと変換することを可能にする。コード: https://github.com/Gen-Verse/Recuris

English

Recursive self-improvement (RSI) remains hard in long-horizon tasks, where growing histories obscure the task state and misalign skill invocation. We introduce Recuris, a recursive Experiential-Working Memory architecture for long-horizon agent harnesses, in which Working Memory tracks task progress and guides skill selection from Experiential Memory, grounding skill use in current needs rather than the full history. This coupling also turns execution into structured evidence that localizes failures to specific memory components. Across tasks, a fixed Meta-Agent turns that evidence into localized, validation-gated updates to Skill Memory that reshape execution and yield new evidence, forming a bounded recursive memory-evolution loop. Across four long-horizon benchmarks and ten models, Recuris improves task success in 35 of the 37 completed model-benchmark pairs, carrying frontier models to SOTA-level task success: on tau-bench it adds +17.8 points to GPT-5.6 Sol and +15.6 to Claude Opus 5, taking Opus 5 to 87.9%, and +16.6/+13.5 points on Qwen3.6-27B/35B on SkillFlow. The advantage widens as the interaction horizon grows, to +32.2 points on the longest tasks, and common long-horizon failures fall by up to 80%. These results position recursively evolving memory as a scalable foundation for RSI, enabling agents to continuously transform accumulated experience into increasingly effective long-horizon behavior. Code: https://github.com/Gen-Verse/Recuris