ReGE 论文提出经验合成框架提升 Agent 表现

Jiarong Liang 等在 arXiv 发布 ReGE 论文，提出将智能体历史执行经验合成为可复用指导的框架，帮助新一轮任务执行。其主实现 ReGE-Syn 用单次 coach 调用联合合成执行记录与产物，全程使用同一基础模型，无需参数更新或更强教师模型。 论文报告，在四个基准上，ReGE 相比无指导执行平均提升 GPT 准确率 9.9 个百分点、Claude 8.8 个百分点；在匹配的 BrowseComp-Plus 子集上，ReGE-Syn 相比改造后的 AggAgent 将指导构建 token 降低 98.2%（GPT）和 95.5%（Claude）。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。