《ReasoningBank: Scaling Agent Self-Evolving with Reasoning Memory》
谷歌最新论文《ReasoningBank：基于推理记忆的自我进化AI代理》带来AI记忆革命！
传统大语言模型（LLM）代理处理任务时多为流水线操作，缺乏“记忆”，导致不断重复错误。ReasoningBank框架创新性地将每次操作转化为结构化记忆单元（标题、描述、具体步骤），并根据成功与失败自动总结策略和陷阱。
核心机制是：任务前通过语义检索调用相关经验，任务后由另一个模型判断成败并提炼教训，系统合并优化记忆，避免冗余。配合MaTTS测试时刻扩展技术，进行多次并行或逐步自我优化，显著提升推理准确率和效率。
实测效果惊人：在WebArena、Mind2Web及软件工程基准测试中，成功率提升8-10%，平均步骤减少约16%，意味着AI代理更快锁定正确路径，减少无效尝试。
更重要的是，ReasoningBank不仅记忆“发生了什么”，更注重“为什么成功或失败”，真正实现经验的普适化和策略化。失败不再是噪声，而是宝贵资源。
这标志着AI从单次推理向“持续进化”迈进——记忆不只是存储，更是不断精炼推理的力量。未来AI将不再盲目追求更大模型，而是通过积累智慧与自我反思实现质的飞跃。
详细论文阅读请见：arxiv.org/abs/2509.25140
