评测与基准arXiv:2608.18066 · 8月19日Salesforce AI Research 重测自改进 Agent重测记忆型自改进智能体，揭示任务顺序和多次运行带来的性能不稳网页与电脑操作·测试GPT-5-mini、Gemini-2.5-Pro、GPT-OSS-120B 等 4 个·应用层记忆摘要论文揭示了基于记忆的自改进智能体在多次运行和乱序下的脆弱性，并指出规约不完备是诱发退化的关键瓶颈。这篇论文是对基于文本记忆的自我改进智能体在复杂环境中评估可靠性的实证研究。完整解读