谷歌论文曝SIM机制:Gemini可继承Claude Opus经验实现自我进化
大模型依靠海量算力「大力出奇迹」的时代,正在终结。
谷歌内部可能真的把RSI做出来了。
Gemini由此能「继承经验」、持续自我进化,新模型不用再从零起步。
谷歌近来密集发模型,或许就跟这件事有关。
Gemini 4 Hydrogen亮相还不到一周,更强的Gemini 4 Neon就登场了。

线索或许就在谷歌与宾夕法尼亚州立大学深夜联合发布的一篇最新论文中。
谷歌的顶级研究员提出了一套「自我改进记忆」(Self-Improvement Memory,简称SIM)机制。
大模型由此学会了像「写日记」那样反思自己的代码;更惊人的是,AI的进化经验能跨模型家族直接「遗传」。
前一刻你还在用Claude
Opus调优出来的Agent框架,下一刻换到Gemini,它照样接过Claude的「前世记忆」,站在巨人肩膀上继续往前冲。

AI总算学会了「继承记忆」,真正的递归自我改进(RSI)由此开启。
大模型靠海量算力「大力出奇迹」的路子,正走向尽头。
为什么新模型一出来,老代码就变成「废铁」?
这几乎是开发者最常碰到的噩梦。
Agent全面爆发之后,RSI成了各家厂商拼命投入的方向。
不过这里说的「改进」,一般不动大模型那几千亿底层权重,动的是「Harness」——套在模型外面那层「机甲」,提示词、工具、拦截规则都装在里面。
过去AI靠RSI技术,在反复试错中把这套「机甲」打磨得近乎完美。
问题是,底层那颗「大脑」一换,这套机甲就报废了。
谷歌研究员在实验中撞见一个怪现象——
一个在Claude Opus上深度进化、表现优异的Harness,原样套到Gemini身上,得分竟低于Gemini自带的初始Harness。
原因何在?
代码交给新模型时,留下的只有「结果」,「原因」却丢了。
新模型面对满屏复杂规则、各种奇怪的拦截器和提示词,直接「懵圈」。
它不知道当初每次改代码是为了什么,优化器便开始乱动。
原本用来修致命Bug的代码,可能被当成冗余删掉;早已证明无效的方案,也可能被翻出来重跑一遍。
到头来,越优化越差,陷进死循环。
破局之战:谷歌甩出王炸——CRSI与SIM机制
谷歌这篇论文拿出的,是一个叫CRSI(Continual Recursive Self-Improvement)的框架,目标是破掉上面那个魔咒。框架里最要紧的东西,是SIM,也就是自我改进记忆。

别误会,这不是往大模型里塞一份「聊天历史记录」那么简单。按谷歌的设想,SIM等于给AI优化器配了一本结构化的开发日志,而且记得相当细。

那SIM怎么运转?AI过去每一次动手改动,都会被它登记在册。每当AI改了Harness的代码,SIM就按「问题根因」归类,把四样核心信息一并记下来。头一项是Rationale(修改动机与具体代码):AI改的是哪一行代码,又是出于什么理由改的?
第二项Predicted outcomes(预期效果):动手之前,AI认为这行代码能修好哪些具体任务?第三项Observed outcomes(实际效果):跑完之后,成了几个、败了几个,有没有带出新的Bug?
第四项是Evaluation context(评估上下文):这一轮跑在什么模型上、用的什么数据集?说白了,这就像上一代模型走人之前,给下一代模型留下了一份写得极细的「交接文档」。

Gemini接过Claude留下的那套复杂Harness时,优化器心里是有底的。每一轮优化开始之前,它先把这份SIM日志读一遍,照着前人的经验走,吃一堑长一智。
AI由此第一次有了能往下传的「进化底蕴」。
实战演练:当Gemini继承Claude的「前世记忆」
机制到底有多能打,得靠实验说话。谷歌团队安排了一场跨模型接力:Claude Opus 5.5进化出来的Harness,连同SIM记忆一起打包,交到Gemini 3.8 Flash手上,由它接着往下优化。
论文里给了一个很典型的「过早完工」Bug,看完很难不叫好。此前的优化中,AI总爱偷懒——Git命令还没执行,就先跟系统报「任务完成了」。
Claude那会儿的优化器为了治这个毛病,在Harness里塞进一个「拦截器」,规则很硬:命令没真跑,就不许提交完成。
要是没有SIM,场面就难看了。Gemini接手这个拦截器后,压根不知道它是干什么用的。后面几轮迭代里,它没把这段代码改好,反倒把自己搞到死机——这段代码被它重写了4次,其中2次是为了修它自己刚弄出来的Bug。
看着就像个没摸清前人架构的新手程序员,在祖传代码堆里越补越乱。

换成有SIM的情况,局面就完全不同了。
Gemini接手时带着SIM日志,结果出现了转机。
优化器翻完日志,马上搞懂了:「这个拦截器是为了防止在没有证据的情况下过早提交。」
靠着这层理解,Gemini把这个拦截器留了下来,还顺手做了一次大幅升级。
它加进了针对具体目标任务的检查:任务跑通还不够,得跟理论最优解对比,分数达标才允许提交通关。
这才叫真正的继承加发扬。
数据亮眼:各项全面占优,AI进化不再摸黑
论文公布的实测数据,直接压过了对照方案。
谷歌一共测了四大核心领域:代码编写、文本分类、工作区任务、工程设计。
拿来对比的基线共有四种情况。
Cold Start(冷启动):拿原始种子Harness从零起步。
Harness Transfer(仅传代码):上一个模型的代码继承过来,SIM记忆不传。
Problem-Only Memory(仅传根因):只把过去踩过的问题告诉新模型,具体怎么改、改出什么结果都不给。
Full SIM(完全体,本文方法):完整Harness加上完整的SIM进化日志一起继承。
测试结果全线告捷。

亮点一:Workspace任务上,跨模型性能高出16分。
Opus迁移到Gemini的Workspace任务时出现水土不服,起始分数仅有68.41分。
继续优化之后,仅传代码(无SIM)的最终得分只爬到73.42。
有Full SIM机制支持的Gemini,得分则一路升到84.75。
两边最终拉开了11.33分的差距。
亮点二:Coding领域胜率达到90%。
Terminal-Bench的命令行任务难度很高,研究团队为此做了10次独立的持续优化运行。
10次较量里,带SIM的一方有9次赢过不带SIM的一方,平均得分高出2.36分,统计学显著性也很强(p=0.003)。
第三个看点是跨数据集的泛化能力,同样没让人失望。
不止跨模型,就算同一个模型换成全新数据集来跑,结果也一样。比如文本分类从3个老数据集挪到8个没见过的新数据集,Full SIM在全部6个测试场景里都拿到了最高分。
所有没带完整记忆的对照组,都被这个成绩甩在了后面。
数据摆在那里:把修改动机和测试结果一起记下来的「经验日志」,才是AI冲破性能上限的唯一钥匙。

有人这样说:眼下你也许只是对RSI的推进速度感到意外,可它最终能走到哪一步,恐怕很快也会让人意外。
RSI真正落地!持续递归进化的时代来了
过去大家嘴上都在喊RSI,实际做的多是「伪RSI」。
原因在于没有记忆机制,AI自我改进几轮之后就容易「走火入魔」,性能反而往下掉。
谷歌这篇论文,等于在现实世界里把RSI的任督二脉给打通了。
可CRSI加SIM这套组合的出现说明一件事:Agent的进化能像复利一样往上滚。
有了「自我改进记忆」(SIM),AI每迭代一次都是在做加法。
第一代AI优化了10%的代码,还把为什么这么改记了下来。
第二代AI读到这份记忆,在这10%之上又优化了20%。
第三代AI接过前两代的记忆,接着去找新的突破口……
说到底,这更像一场没法回头的物种进化。
AI一旦学会像人那样,靠「文字(日志)」把知识一代代传下去,RSI就迎来了大爆炸。
这项研究给出的信息是:AI能自我反思、自我记录,还能互相传授经验的时候,进化的接力棒就已经交到它手里了。
一个不必从零起步的AI,一个经验BUFF一直在叠加的AI。
谷歌这项研究,正是RSI从「单次实验」迈向「持续复利」的关键一步。
参考资料:
https://arxiv.org/abs/2611.18856