REVERE: Reflective Evolving Research Engineer
Di cosa parla
REVERE è un sistema leggero per agenti che si adattano autonomamente: impara da una memoria globale di esperienze, ricava regole riutilizzabili dagli errori ricorrenti tra progetti diversi e applica modifiche mirate alle istruzioni date agli agenti. È pensato per affrontare la scarsa generalizzazione e la perdita di conoscenza nei flussi di lavoro di ricerca e programmazione con feedback debole.
Cosa permette di osservare
Permette di esplorare se accumulare e consolidare esperienza a livello globale può rendere gli agenti più efficaci nel tempo e quali strategie consentono di aggiornare le istruzioni in modo mirato senza cancellare conoscenza utile tra progetti.
Dalla fonte
Existing prompt-optimization techniques rely on local signals, causing poor generalization across tasks. In addition, they also rely on weak update mechanisms, such as full-prompt rewrites or unstructured merges, which cause knowledge loss and unstable adaptation. These limitations are magnified in research-coding workflows, which involve heterogeneous repositories and weak feedback, limiting abstraction and learning across tasks. We introduce Reflective Evolving Research Engineer (REVERE), a lightweight, self-adapting agent framework that learns from a Global Training Context, distills recurring cross-repository failure modes into reusable heuristics, and applies targeted, code-based edits to agent prompts. REVERE is evaluated across settings ranging from long-horizon to single-shot benchmarks, and improves over prior expert-crafted instructions by 4.50% on SUPER, 1.3% on ResearchCodeB…