NeurIPS 2026 论文 MemSkill：让智能体学习并进化记忆技能
MemSkill 把“怎么记”本身变成可训练对象：技能库由任务反馈驱动选择和扩充，使智能体的记忆构建能持续自我改进。
现有智能体的记忆系统多依赖预设操作（新增、更新、删除、跳过），无法随任务反馈改进。南洋理工大学等机构提出的 MemSkill 把这些操作封装成用自然语言描述、可复用可修改的“记忆技能”，由 Controller 选择技能、Executor 生成记忆写入，再用下游任务表现做强化学习信号，并由 Designer 分析失败案例扩充技能库。
正文摘录
.PNG)  随着递归自我改进（Recursive Self-Improvement，RSI）受到关注，智能体如何从交互经验中持续改进自身成为研究热点。智能体的记忆机制，则决定了这些经验能否被有效保留和利用。 然而，现有系统往往依赖新增、更新、删除、跳过等预设的记忆提取操作，难以根据任务反馈持续改进记忆的构建方式。 来自南洋理工大学等机构的研究团队在 NeurIPS 2026 上发表了 MemSkill。它把记忆操作表示为可学习、可复用、可进化的 Memory Skills（记忆技能），通过任务反馈优化技能选择，并根据失败案例完善和扩展技能库，使记忆系统能够随交互经验的积累持续进化。