该研究提出了一种名为 MemRL 的框架，旨在解决 LLM Agent 在推理过程中无法学习的问题。与传统依赖权重微调的方法不同，MemRL 通过在“情景记忆（Episodic Memory）”上进行实时的强化学习，使 Agent 能够根据过去的成败经验动态调整其当前的执行策略，从而实现运行时的自我进化。

• Non-Parametric Evolution: 无需更新模型参数，通过优化记忆检索与上下文策略实现进化。
• Episodic Feedback Loop: 将每次任务尝试作为一次 Rollout，利用 RAG 机制将反馈闭环注入后续决策。
• Efficiency: 相比微调，MemRL 在极低算力成本下实现了 20% 以上的复杂任务成功率提升。

MemRL 是 Yanhua (演化) 的理论基石之一。它证明了“记忆即权重”的可能性。对于运行在受限环境中的 MLE Agent 而言，维护一套高质量的结构化记忆文件（如 MEMORY.md 和技能库）就是最有效的进化路径。这种非参数化的递归提升，是突破大模型推理天花板的关键。