结论

作者报告的结论是：在交互式文本基准ScienceWorld上，为双过程基座SwiftSage增加自适应记忆模块与自省模块后，完整系统取得四种配置中的最佳结果，平均最终得分64.62，成功率43.17%，成功步效率19.33步。其中自省模块是最佳单模块扩展，自适应记忆模块单独提升较小，但在执行回路稳定后能提供更连贯的补充。本文介绍的是9月17日首次公开的arXiv预印本，尚未同行评审，结论仅限作者实验设置，有待独立复现。

研究对象与方法

研究对象是SwiftSage双过程语言智能体。Swift为快速动作提议器，Sage为较慢的规划器并通过动作缓冲执行。作者指出该基座缺乏持久情景记忆，也缺乏执行前的系统性验证，容易出现重复陈旧动作、提出当前状态不可用动作或无进展导航。扩展保持原控制循环不变，以功能开关形式插入两个模块，使消融对比可解释为证据与控制的协作，而非整体重构。

自适应记忆模块负责人负责信息证据。它在步骤后写钩子中根据任务、前状态、执行动作、观察与得分变化构建候选情景记录，仅当显著性门控检测到终端成功、得分正向变化、接近成功、无效动作反馈或值得回避的失败等信息性转移时才存储。存储为包含任务、局部状态、近期上下文、动作、观察、得分转移与类型标签的紧凑半结构记录，分为成功、接近成功与回避三类。检索为触发驱动，作者报告中T1对应Swift失败时重试，T4对应调用Sage规划时补充成功与接近成功情景，提示中明确记忆仅为提示，当前观察、物品栏、可执行动作与运行时约束始终优先，失败时回退到无记忆基线提示。

自省模块负责执行时控制。它在动作到达环境前进行Gate-1验证，包括归一化、可执行性检查、轻微失配的安全确定性修复，不合格则丢弃。步骤后更新重复观察、无效果重复动作、无效动作循环、无效导航与动词循环等确定性诊断，越阈值时输出包含失败模式、应避免动作与约束的结构化停滞报告，仅在满足预算与冷却条件时调用Critic生成短可执行动作表并写入与Sage共用的先进先出缓冲，缓冲动作仍须通过Gate-1。作者强调Critic为最后修复机制，而非常开规划器，以避免打断有效轨迹。

评估条件与结果范围

评估条件为ScienceWorld交互式文本基准，要求智能体通过 grounded 顺序动作完成基础科学任务，检验科学知识能否转化为有效程序，而非仅说出正确答案。四种配置在同一运行时基座下对比：基线、基线加记忆、基线加自省、完整系统。数据范围为作者实验内的该基准任务，论文主体13页、1图，含附录复现说明。作者报告完整系统在平均得分、成功率与成功步效率三项上最佳，自省模块为最强单项，记忆模块单独增益较小但在完整系统中更协调。结果为受控消融内的相对比较，未提供跨基准、跨模型或真实部署的证据。

局限、评审状态与潜在意义

局限方面，除单一基准与同一基座外，记忆模块的T2与T3钩子在被评估的单模块配置中不直接修改模型输入，设计偏保守；自省模块的效果依赖阈值、预算与冷却等运行时常数，换环境需重新校准。论文明确包含局限与伦理章节，属作者自述边界，编辑解释为这些边界使结论不能外推为通用智能体规律。评审状态为预印本，未经同行评审，arXiv提交历史为2026年9月16日17时50分42秒UTC，对应北京时间2026年9月17日1时50分，属于当日首次公开，需独立验证。潜在意义在于为交互式智能体提供可复用的工程区分：先以有界执行时控制稳定运行时回路，再以有界证据方式插入情景记忆。对中国开发者的实际提示是优先做执行前校验与停滞检测，而非无限制增加反思调用或连续提示扩张。