自己出题攒经验：DAEDALUS 给 agent 装上自举记忆

agent 的经验记忆大多靠喂：要么有现成的训练任务集，要么有权威判题器告诉它对错，两者在真实环境里都难凑齐。10 月 6 日放榜的 DAEDALUS（arXiv 2610.08048，作者 Antoine Edy 等，代码开源于 illuin-tech/daedalus）给出一条自举路线：不要任务集也不要判题器，让 agent 自己给自己出题，从解题失败里攒出可复用的经验。

两个 agent 的师徒制

框架里有两个角色。探索者负责出题：它在环境里自由交互，生成有挑战但可解的任务，任务难度还随解题结果动态调整，太简单就加码，做不出来就收敛。解题者负责做题：每次失败后从轨迹里提取一条启发式经验，注意不是把失败原样记住，而是提炼成可迁移的做法；这条经验要经过反复验证，解题者带上它重试必须连续成功，才算收编进记忆库，测试时随身携带。验证不过的经验直接淘汰，这道关挡住了把偶然当规律的风险。消融实验还发现两个关键细节：解题者轨迹是经验提炼最主要的信息源，环境观察单独拿出来效果差得多；把早期发现做因子化拆解能明显提升成本效率。

三基准实测

在 AppWorld、tau2-bench 和 AutomationBench 三个基准上，DAEDALUS 把平均成功率最多提升 15.9 个百分点，五次全过率 pass^5 最高提升 2.2 倍，对照是无记忆基线。更重要的两个横向结论：它与依赖训练任务的方法打平，但推理成本更低；提炼出的经验可以迁移到其他模型家族，说明攒下来的是任务知识而不是模型私货。探索预算也不用很大，小预算就能起量。作者还发现副产品有用：自生成的任务集可以直接当代理基准用来给模型排序。工程可信度也够：仓库里连 ExpeL、ERL、AutoGuide、ReasoningBank 等对比基线都做了复现，生成与推理的完整轨迹放在 Hugging Face 上供复验。

对做内部 agent 平台的团队，这套方法的价值在于绕开了冷启动：新业务没有标注数据、没有评测集时，探索者加解题者的组合可以先跑起来，边用边攒。要注意的边界是它攒的是启发式经验，不是经过回放复现的严格验证，高风险场景仍应叠加独立校验。仓库 MIT 协议开源（刚放出，星数还是个位数，属于第一波上车位），论文 CC BY 4.0，连基线复现和推理轨迹都放在 Hugging Face 上，感兴趣可以直接拆来做原型复现。