DAEDALUS：agent 不靠人工示例，把「试过且被验证有效」的经验沉淀成长期记忆

arXiv 2610.08048 的 DAEDALUS（Bootstrapping Agent Memory from Self-Generated Tasks）想解决 agent 的一个常见困境：任务环境里没有现成的训练信号，靠人写示例又太贵。它的做法是让两个角色自己循环——一个 explorer 负责生成「有解、可验证」的任务，一个 solver 去尝试解决；只有当 solver 在上下文里反复成功、某个解题思路被证明确实管用之后，才把它提炼成一条 heuristic 写进记忆，失败则丢掉。这样记忆库是从「自己踩过、且被验证有效」的经验里长出来的，而不是硬塞进去的知识。作者在 AppWorld、τ²-bench、AutomationBench 三个 agent 基准上测，平均成功率最高提升 15.9 个百分点，pass^5（连续五次都成功）最高提升到 2.2 倍；消融实验显示，solver 自己的解题轨迹是记忆能起作用的关键，光有 explorer 生成的任务还不够。代码与数据已开源（github.com/illuin-tech/daedalus，MIT），文章轨迹也放上了 Hugging Face。