diff --git a/README.md b/README.md
index 6469203f..e41d69da 100644
--- a/README.md
+++ b/README.md
@@ -724,12 +724,12 @@ if __name__ == "__main__":
 
 ### 🌍 [Appworld Experiment](docs/cookbook/appworld/quickstart.md)
 
-We tested ReMe on Appworld using qwen3-8b:
+We tested ReMe on Appworld using Qwen3-8B (non-thinking mode):
 
-| Method       | pass@1            | pass@2            | pass@4            |
-|--------------|-------------------|-------------------|-------------------|
-| without ReMe | 0.083             | 0.140             | 0.228             |
-| with ReMe    | 0.109 **(+2.6%)** | 0.175 **(+3.5%)** | 0.281 **(+5.3%)** |
+| Method       | Avg@4               | Pass@4              |
+|--------------|---------------------|---------------------|
+| without ReMe | 0.1497              | 0.3285              |
+| with ReMe    | 0.1706 **(+2.09%)** | 0.3631 **(+3.46%)** |
 
 Pass@K measures the probability that at least one of the K generated samples successfully completes the task (
 score=1).
@@ -737,6 +737,15 @@ The current experiment uses an internal AppWorld environment, which may have sli
 
 You can find more details on reproducing the experiment in [quickstart.md](docs/cookbook/appworld/quickstart.md).
 
+### 🔧 [BFCL-V3 Experiment](docs/cookbook/bfcl/quickstart.md)
+
+We tested ReMe on BFCL-V3 multi-turn-base (randomly split 50train/150val) using Qwen3-8B (thinking mode):
+
+| Method       | Avg@4               | Pass@4              |
+|--------------|---------------------|---------------------|
+| without ReMe | 0.4033              | 0.5955              |
+| with ReMe    | 0.4450 **(+4.17%)** | 0.6577 **(+6.22%)** |
+
 ### 🧊 [Frozenlake Experiment](docs/cookbook/frozenlake/quickstart.md)
 
 |                                             without ReMe                                             |                                              with ReMe                                               |
@@ -752,15 +761,6 @@ We tested on 100 random frozenlake maps using qwen3-8b:
 
 You can find more details on reproducing the experiment in [quickstart.md](docs/cookbook/frozenlake/quickstart.md).
 
-### 🔧 [BFCL-V3 Experiment](docs/cookbook/bfcl/quickstart.md)
-
-We tested ReMe on BFCL-V3 multi-turn-base (randomly split 50train/150val) using qwen3-8b:
-
-| Method       | pass@1              | pass@2              | pass@4              |
-|--------------|---------------------|---------------------|---------------------|
-| without ReMe | 0.2472              | 0.2733              | 0.2922              |
-| with ReMe    | 0.3061 **(+5.89%)** | 0.3500 **(+7.67%)** | 0.3888 **(+9.66%)** |
-
 ### 🛠️ [Tool Memory Benchmark](docs/tool_memory/tool_bench.md)
 
 We evaluated Tool Memory effectiveness using a controlled benchmark with three mock search tools using Qwen3-30B-Instruct:
diff --git a/README_ZH.md b/README_ZH.md
index 4244ca24..777e07d3 100644
--- a/README_ZH.md
+++ b/README_ZH.md
@@ -729,18 +729,27 @@ if __name__ == "__main__":
 
 ### 🌍 [Appworld 实验](docs/cookbook/appworld/quickstart.md)
 
-我们在 Appworld 环境上使用 qwen3-8b 进行评测：
+我们在 Appworld 环境上使用 Qwen3-8B（非思考模式）进行评测：
 
-| 方法       | pass@1            | pass@2            | pass@4            |
-|-----------|-------------------|-------------------|-------------------|
-| 无 ReMe   | 0.083             | 0.140             | 0.228             |
-| 使用 ReMe | 0.109 **(+2.6%)** | 0.175 **(+3.5%)** | 0.281 **(+5.3%)** |
+| 方法       | Avg@4               | Pass@4              |
+|-----------|-------------------|-------------------|
+| 无 ReMe   |  0.1497              | 0.3285              |
+| 使用 ReMe  | 0.1706 **(+2.09%)** | 0.3631 **(+3.46%)** |
 
 Pass@K 衡量在生成 K 个候选中，至少一个成功完成任务（score=1）的概率。
 当前实验使用的是内部 AppWorld 环境，可能与对外版本存在轻微差异。
 
 关于如何复现实验的更多细节，见 [quickstart.md](docs/cookbook/appworld/quickstart.md)。
 
+### 🔧 [BFCL-V3 实验](docs/cookbook/bfcl/quickstart.md)
+
+我们在 BFCL-V3 multi-turn-base 任务（随机划分 50 train / 150 val）上，使用 Qwen3-8B（思考模式）进行评测：
+
+| 方法       | Avg@4            | Pass@4              |
+|------------|-----------------|---------------------|
+| 无 ReMe    | 0.4033              | 0.5955              |
+| 使用 ReMe  | 0.4450 **(+4.17%)** | 0.6577 **(+6.22%)** |
+
 ### 🧊 [Frozenlake 实验](docs/cookbook/frozenlake/quickstart.md)
 
 |                                             无 ReMe                                              |                                              使用 ReMe                                               |
@@ -756,15 +765,6 @@ Pass@K 衡量在生成 K 个候选中，至少一个成功完成任务（score=1
 
 更多复现实验细节见 [quickstart.md](docs/cookbook/frozenlake/quickstart.md)。
 
-### 🔧 [BFCL-V3 实验](docs/cookbook/bfcl/quickstart.md)
-
-我们在 BFCL-V3 multi-turn-base 任务（随机划分 50 train / 150 val）上，使用 qwen3-8b 进行评测：
-
-| 方法       | pass@1              | pass@2              | pass@4              |
-|------------|---------------------|---------------------|---------------------|
-| 无 ReMe    | 0.2472              | 0.2733              | 0.2922              |
-| 使用 ReMe  | 0.3061 **(+5.89%)** | 0.3500 **(+7.67%)** | 0.3888 **(+9.66%)** |
-
 ### 🛠️ [工具记忆基准](docs/tool_memory/tool_bench.md)
 
 我们在一个受控基准上，使用三个模拟搜索工具与 Qwen3-30B-Instruct 评估工具记忆的效果：