AI Agent新范式：Memento-Skills不改模型靠“失败反思”进化，HLE准确率翻倍

Memento-Skills 是一个开源框架，提出了“部署时学习”的AI进化新范式。不同于传统的预训练或微调，该框架冻结模型参数，将Agent能力封装为外部Skill文件。通过“读取-执行-反思-写回”的闭环机制，Agent能从失败中自主学习并优化技能库。测试显示，该方法在专家级推理基准HLE上实现了116%的准确率提升。项目支持接入OpenAI、Anthropic及国产大模型，为Agent的自我迭代提供了零重训成本的解决方案。