장기 지평 에이전트 하네스를 위한 재귀적 경험-작업 기억 진화

초록

재귀적 자기 개선(RSI)은 장기 지평 작업에서 여전히 어려운 과제로 남아 있다. 이러한 작업에서는 누적되는 기록이 작업 상태를 모호하게 만들고 기술 호출을 잘못 정렬하기 때문이다. 우리는 장기 지평 에이전트 하네스를 위한 재귀적 경험-작업 기억(Experiential-Working Memory) 아키텍처인 Recuris를 제안한다. 이 아키텍처에서 작업 기억(Working Memory)은 작업 진행 상황을 추적하고 경험 기억(Experiential Memory)에서 기술 선택을 안내하여, 기술 사용을 전체 기록이 아닌 현재 요구에 근거하게 한다. 이러한 결합은 또한 실행을 특정 기억 구성 요소에 실패를 국소화하는 구조화된 증거로 전환한다. 작업 전반에 걸쳐 고정된 메타 에이전트는 그 증거를 기술 기억(Skill Memory)에 대한 국소화된 검증 게이트 방식 업데이트로 전환하여 실행을 재구성하고 새로운 증거를 산출하며, 제한된 재귀적 기억 진화 루프를 형성한다. 네 개의 장기 지평 벤치마크와 열 개의 모델에 걸쳐, Recuris는 완료된 37개의 모델-벤치마크 쌍 중 35개에서 작업 성공률을 향상시켜 프런티어 모델을 SOTA 수준의 작업 성공률로 끌어올린다. tau-bench에서는 GPT-5.6 Sol에 +17.8포인트, Claude Opus 5에 +15.6포인트를 더해 Opus 5를 87.9%로 끌어올렸으며, SkillFlow에서는 Qwen3.6-27B/35B에 각각 +16.6/+13.5포인트를 더했다. 이 이점은 상호작용 지평이 길어질수록 커져 가장 긴 작업에서는 +32.2포인트에 이르며, 일반적인 장기 지평 실패는 최대 80% 감소한다. 이러한 결과는 재귀적으로 진화하는 기억을 RSI를 위한 확장 가능한 기반으로 자리매김하게 하며, 에이전트가 축적된 경험을 지속적으로 점점 더 효과적인 장기 지평 행동으로 전환할 수 있게 한다. 코드: 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