RSIAgent 讓代理累積操作經驗，再用唯讀記憶處理任務。

Biwei Huang 的貼文

運作機制 RSIAgent 以 Kimi-K3 與 GLM-5.3 作為基礎模型，在不更新模型權重的情況下，讓代理自行探索環境、執行任務、驗證結果，再把穩定的經驗存入持久記憶。作者將這套做法稱為遞迴自我改良（RSI），流程分成三個階段：

廣泛探索：平行嘗試多種任務，取得不同面向的經驗。深度探索：延續既有練習，把經驗連結到目標任務。測試期重用記憶：執行代理（Actor Agent）讀取已凍結的記憶，並與驗證代理（Verifier Agent）反覆執行及檢查任務。這裡的驗證是代理檢查工作結果；正式評測則在任務執行與驗證結束後，另外以封存的評分流程計分。

獨立嘗試之間會重設任務環境與互動歷史，代理框架維持不變。成功與失敗都能成為學習材料；正式評測分數不進入學習迴圈。

示範案例影片以 REAPER 音訊編輯與 FreeCAD 3D 建模說明探索、整理經驗與重用記憶的流程。這些是壓縮重播與選取的歷史學習記錄，不是一次新的代理執行。REAPER 案例顯示記憶檔案由 13 個增至 17 個，測試時只讀取既有記憶。FreeCAD 案例呈現交叉檢查圖面單位、視圖與尺寸，以及重新開啟 STEP 模型檢查幾何的工作；片尾明示模型來自首次評測的封存結果，仍保留幾何錯誤，不能把重新開啟模型當成驗證成功。

RSIAgent 在 REAPER 與 FreeCAD 中探索與重用記憶的歷史示範重播

評測結果作者報告了未啟用 RSI 與啟用後的平均部分得分。部分得分會計入任務完成部分要求時取得的分數，不能當作完整任務成功率。下圖整理 README 的兩項結果；RSI 欄混合已記錄的 RSI 結果與保留的基準分數，不能視為所有任務都重新完成 RSI 評測。

作者報告的平均部分得分；RSI 聚合結果混合已記錄結果與保留的基準分數，評測條件不完全一致。

來源：RSIAgent README 與評測報告。

評測範圍與限制這些是作者報告的聚合結果，評測條件並不完全一致。OSWorld 的 82 項任務中，41 項使用已記錄的 RSI 分數，另外 41 項沿用基準分數。Agents’ Last Exam 的 67 項近期任務中，19 項使用 RSI 欄位結果，其餘 48 項保留基準分數，包含 3 項 GPU 基準結果。

聚合資料也納入特定重試、檢查點、不同預算、本機重新評分與評測流程變體。因此，這些分數不能證明 RSIAgent 在相同評測條件下全面勝過 GPT-6 Astra。階段消融比較只涵蓋 T080、T085、T089 與 T106 四項任務，而且是從已記錄改善的任務中選出；它不是隨機抽樣的整體效果估計。

失敗模式作者指出，探索可能錯過真正的弱點，驗證代理可能接受未完成的成果，記憶彙整也可能保留錯誤規則。改善幅度取決於探索、驗證與記憶整合的品質，光增加練習次數仍不足以保證進步。

原文：https://easyvibecoding.app/curated/3339-rsiagent-reusable-memory-raises-osworld-2-0-score-78-98

RSIAgent 讓代理累積操作經驗，再用唯讀記憶處理任務

EasyVibeCoding Podcast

RSIAgent 讓代理累積操作經驗，再用唯讀記憶處理任務