MemSkill：把 episodic memory 固化成可执行技能

保真度：核心机制复现。本页不把确定性 mini-suite 冒充原论文完整 benchmark。

论文信息

字段	内容
论文链接	MemSkill：把 episodic memory 固化成可执行技能（arXiv 2602.02474）
公司 / 机构	Nanyang Technological University / University of Illinois Urbana-Champaign / University of Illinois Chicago / Tsinghua University
首次公开日期	2026-02-02（arXiv v1）
原作者代码	已开源
本地 adapter / 方法键	memskill
本地复现代码	src/auto_research/agent_research/

原始论文总结

背景与主要改动

controller 从历史 episode 选择记忆，designer 将重复成功模式编译为技能，并随新反馈升级技能版本。

flowchart LR
 A["公开输入 / 历史"] --> B["memskill 训练 / 执行闭环"]
 B --> C["论文特有状态或目标"]
 C --> D["同预算评测"]

原论文关键图

原论文 Figure 2（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ m^*=q_\phi(x,M),\quad s=G(\tau,m^*),\quad M,S\leftarrow\operatorname{Consolidate}(M,S,R). \]

论文离线与线上效果

论文在长程与跨任务 agent benchmark 上提升成功率并减少上下文开销。 论文未报告生产线上 A/B，本页不补造线上数字。

本地复现

PlanBench mini-suite、120 episodes、seed 42：joint success 1.0000，average cost 0.3200；方法特有操作有非零 telemetry。

auto-research agent-eval --method memskill --benchmark planbench-mini --episodes 120 --seed 42
auto-research evolve --model agent --dataset planbench-mini --direction "组合 memskill 与已安装论文算子" --generations 2 --population 4

固定指标见 ../../experiments/global-p0-20260808-seed42.json。

复现边界

本地只验证论文特有目标、状态更新和公平预算；没有复刻原论文的大模型、多卡 RL、私有环境、真实网页或完整 benchmark，因而只报告机制验证，不声称数值复现原表。