谷歌发布CRSI + SIM 持续递归自我改进研究
😱天呐!谷歌内部RSI真正落地了!Gemini已能“继承经验”持续自我进化,Gemini新模型不再从零开始!
谷歌最新论文直接把RSI推到了Continual阶段,核心不是让模型改自己权重,而是让“Agent的Harness(外壳/脚手架)”持续自我优化,并带着完整“进化日志”跨模型、跨任务接力。
关键要点:
🔹提出CRSI + SIM机制
Continual Recursive Self-Improvement(持续递归自我改进)+ Self-Improvement Memory(自我改进记忆)。SIM不是任务记忆,而是给“Harness优化器”用的结构化日志:按问题根因分组,记录每次修改的理由、预期效果、实际结果、评估上下文。
🔹真正实现跨模型接力
用Claude Opus 5.5跑完一轮Harness进化后,直接把Harness + 完整SIM日志给Gemini 3.8 Flash继续优化,无需从零重跑,新模型不再意味着一切推倒重来。
🔹实测数据炸裂
▫️工作区(Workplace)任务:有SIM最终得分84.75,无SIM只有73.42
▫️Coding领域:10次独立源运行中,9次用SIM的最终成绩更高,平均提升2.36分(p=0.003)
▫️在4个领域、跨数据集+跨模型对比中,完整SIM全面碾压“仅传Harness”和“仅传根因”的基线
🔹核心意义
进化经验可以复用、可修订、可累积。模型换代或任务分布变化时,优化器知道“以前为什么改、改了有没有用”,而不是盲目重试或误删有用组件。
这正是RSI从“单次实验”走向“持续 compounding”的关键一步。
论文链接:
#RSI #RecursiveSelfImprovement #Gemini #GoogleAI #AgentHarness #CRSI #SIM #AI进化 #大模型