基于记忆的自我改善代理--那些从在线任务流中学习并通过维护文本记忆库而随着时间的推移而改进的代理--在最近的文献中显示出巨大的希望。然而，这些方法的可靠性方面被严重忽视。在这项工作中，我们对两种基于记忆的方法进行了全面的重新评估，扩大了评估范围。

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2608.18066v1)获取最准确的信息。

---
🔗 **原文链接**: [On the Fragility of Self-Improving Agents: Variance, Task Or](https://arxiv.org/abs/2608.18066v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Qinyuan Ye, Yu Li, Yada Pruksachatkun, Jiaxin Zhang, Chien-Sheng Wu

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-08-20 08:01