谷歌论文曝SIM机制:Gemini可继承Claude Opus经验实现自我进化

资讯 36氪 全文 3480 字 · 约 9 分钟读完 配图 10 张 分类GeminiOpusGoogle学术研究大模型

大模型依靠海量算力「大力出奇迹」的时代,正在终结。

所属频道 大厂动态模型发布Claude 与 AnthropicGemini 与 Google AI前沿研究

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。

谷歌论文曝SIM机制:Gemini可继承Claude Opus经验实现自我进化(配图 1)

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。

谷歌论文曝SIM机制:Gemini可继承Claude Opus经验实现自我进化(配图 2)

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。

谷歌论文曝SIM机制:Gemini可继承Claude Opus经验实现自我进化(配图 3)

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。

谷歌论文曝SIM机制:Gemini可继承Claude Opus经验实现自我进化(配图 4)

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」。

谷歌论文曝SIM机制:Gemini可继承Claude Opus经验实现自我进化(配图 5)

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。

谷歌论文曝SIM机制:Gemini可继承Claude Opus经验实现自我进化(配图 6)

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。

谷歌论文曝SIM机制:Gemini可继承Claude Opus经验实现自我进化(配图 7)

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。

谷歌论文曝SIM机制:Gemini可继承Claude Opus经验实现自我进化(配图 8)

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

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 谷歌论文曝RSI内部落地:SIM机制让AI经验跨模型遗传

    新智元报道 谷歌内部,或许真正实现了RSI!从此,Gemini已能「继承经验」持续自我进化,Gemini新模型不再从零开始!或许也正是这个原因,谷歌最近跟疯了似的不停发模型。Gemini 4 Hydrogen才发布不到一周,更强的Gemini 4 Neon就来了。答案,或许藏在谷歌与宾夕法尼亚州立大学深夜联合发布的一篇

    来源 腾讯网
  2. Gemini 4翻身背后:Google道歉表与TPU算力之争

    今天,知名半导体和 AI 研究机构 SemiAnalysis 在 X 上发了一张写给 Google DeepMind 主席 Demis Hassabis 的《向 Google 道歉专用表》。理由一栏勾了包括「我只看了 X 上大家的消息」、「我那在 Anthropic 工作的室友,说服我相信 Gemini 已经完了」和「

    来源 腾讯网
  3. Gemini 4翻身背后:SemiAnalysis道歉,Google TPU也不够用

    今天,知名半导体和 AI 研究机构 SemiAnalysis 在 X 上发了一张写给 Google DeepMind 主席 Demis Hassabis 的《向 Google 道歉专用表》。理由一栏勾了包括「我只看了 X 上大家的消息」、「我那在 Anthropic 工作的室友,说服我相信 Gemini 已经完了」和「

    来源 腾讯网
  4. 谷歌 Gemini 登陆 Mac:AI 可后台操控电脑,修图做 PPT 自动完成

    人工智能正从“动嘴皮子给建议”加速走向“动手帮你干活”。11月20日,谷歌正式为 macOS 版的 Gemini 应用推出了“电脑操控”(Computer Use)功能,让 AI 能够跨越桌面应用、本地文件以及网页环境,自主执行多步骤复杂任务。 后台独立运行不抢鼠标,支持实时预览与随时叫停 对于习惯

    来源 AI 开发者社区
  5. Gemini 4 Neon发布:接入Antigravity编程解题率升至3倍多

    Carbon 向开发者开放才八天,Google 又发布了一款 Gemini 4 模型。 11 月 18 日亮相的 Gemini 4 Neon,在默认推理档追平了自家的旗舰 Carbon,开到最高档后比 high 档的 Carbon 高出 1 分,进入 Artificial Analysis 智能指数总榜前三。对于这款新

    来源 AI 行业观察
  6. Gemini登陆Mac桌面:AI代理可代操作电脑,隐私风险几何?

    谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、Anthropic和微软正面交锋。与此同时,桌面自动化带来的便利与隐私风险

    来源 AI 科技快讯
  7. 谷歌 Gemini 上线 Mac 电脑操控:后台干活,能修图做 PPT

    AI正从“给建议”转向“帮干活”。11月20日,谷歌为macOS版Gemini应用上线“电脑操控”功能,可跨桌面应用、本地文件和网页自主执行多步骤复杂任务。该功能后台独立运行,不抢占鼠标,并支持实时预览与随时叫停,缓解用户对AI接管电脑时“抢鼠标、乱点屏幕”的担忧。

    来源 AI 产业速递
  8. 谷歌推 Gemini 4 Argon:面向机器人控制与策略优化

    谷歌发布了 Gemini 4 Argon,并将其定位为一款通用物理推理模型,适用于机器人控制、 Real2Sim 场景构建、机器人视频多模态标注以及迭代策略优化,而非单一的末端执行器策略。 在已发布的提示词中,在 MuJoCo 孪生环境中进行训练后,Argon 引导波士顿动力公司的 Spot 机器人完成了脚踏板任务;利

    来源 AI 行业观察
  9. 谷歌Gemini登陆Mac:AI代理代操作电脑,桌面入口争夺战开跑?

    谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、Anthropic和微软正面交锋。与此同时,桌面自动化带来的便利与隐私风险,也成为用

    来源 AI 行业观察
  10. 谷歌Gemini登陆Mac:可跨应用做PPT、填表单

    当地时间11月19日,谷歌为macOS版Gemini上线电脑操控(Computer Use)功能,面向美国英语用户分批开放。AI可操控桌面软件、读取本地文件、浏览网页,完成多步骤任务。

    来源 IT 产业观察
  11. 谷歌Gemini 4 Neon实测:跑分全球第三,成本却只有旗舰一半

    谷歌在七周内连续发布四款模型,最新推出的 Gemini 4 Neon 凭借极高的性价比杀回 AI 竞争中心。它在编程和复杂任务处理上接近旗舰水平,但成本仅为竞品的一半。通过引入“中训练”机制和自研 TPU 硬件支持,谷歌解决了此前模型迭代慢、推理弱的问题。本文解析 Neon 的技术细节、实际工程表现以及谷歌如何通过高频

    来源 AI 应用前沿
  12. 谷歌Gemini 4再添Neon:中杯模型补位,Genie 4开放

    编辑|冷猫 一觉醒来,谷歌又双叒叕发 Gemini 4 模型了。 谷歌最近一直在基础模型上发力,从最高智能到最高效率的模型不停发布,为了重返王座真是拼了。 在 Carbon、Argon、Hydrogen 之后,填补最高智能和最高效率之间的「中杯」模型 Gemini 4 Neon 登场! Demis

    来源 AI 开发者社区
  13. 谷歌Gemini Mac版新增电脑操控:可跨应用自动做PPT、填表单

    谷歌为macOS版Gemini应用推出“电脑操控”功能,AI可直接操作用户电脑,跨本地文件、桌面应用和网页完成多步骤任务,如填写表单、制作演示文稿、商品上架等。该功能正面向美国地区英语用户逐步开放,用户可自主决定允许访问哪些应用,操作过程在实时预览窗口中展示。

    来源 凤凰科技
  14. 谷歌字节快手集体降价,AI视频进入分秒计价时代?

    (本文作者为 AIX财经,钛媒体经授权发布)文 | AIX财经,作者 | 王璐,编辑 | 魏佳AI视频行业正在靠近一个类似DeepSeek的时刻,模型能力差距收窄,价格被打到分/秒,创作者开始批量调用。11月初,谷歌把视频模型Gemini Omni 1.2 Flash转为正式版,不仅支持15秒视频生成和多轮对话式编辑等

    来源 腾讯网
  15. 谷歌主页加AI搜索侧边栏:可查历史对话、连接Gemini笔记本

    谷歌正在对主页进行新一轮改版,新增可折叠AI搜索侧边栏。产品副总裁Robby Stein在X展示,点击屏幕左侧灰色条即可展开。侧边栏集中展示AI模式搜索记录,支持查看历史AI对话、继续提问、探索网络内容,并可新建对话线程、搜索历史线程及连接Gemini笔记本,方便管理AI搜索体验。

    来源 AI 产业速递
  16. Gemini上Mac可代操作电脑,Runway推270亿参数机器人模型

    本期重点包括Google向数亿用户免费开放Gemini Tasks,并在Mac端推出可代操作电脑的Computer use功能。Runway发布27B参数机器人世界模型Praxis-1,OpenAI开放GPT-Live-1.1语音API。此外,Cognition评测显示Gemini 4 Neon在代码任务上性价比突出,

    来源 AI 应用前沿
  17. 《海外GEO白皮书》,Gemini 45% 的品牌推荐,连来源都没有

    这份 236 页白皮书由猎看科技、长安街知事、智源GEO、Dageno、京报智库联合发布,资料截至 2026 年 10 月 26 日。它不教怎么讨好算法,而是把「AI 怎么描述一个品牌」拆成五个能采样的环节,再用 1004.6 万条真实回答验证。最反直觉的一条在开篇:AI 说出了你的品牌,却可能一个来源都不给,这类回答

    来源 腾讯网
  18. 谷歌发布Gemini 4 Neon模型,编程智能体性能对标头部大模型

    谷歌正式推出Gemini 4 Neon,定位介于旗舰Carbon和轻量Hydrogen之间,主打复杂编程、智能体协同与企业流程自动化。该模型搭载百万级统一上下文窗口,支持图文、音视频、文档多模态混合输入,在编程智能体专项基准测试中取得靠前成绩,同时提供四档推理模式自由平衡推理深度、响应速度与调用成本。在智能体赛道竞争持

    来源 腾讯网
  19. 只改一处代码,谷歌 AI 智能体优化 Harness 后任务成功率提升 8 倍

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。 在一项 SWE

    来源 AI 行业观察
  20. 谷歌论文:光改提示词智能体成功率反降,改运行框架升至40%

    调教 AI 智能体,惯用手法是反复打磨提示词。谷歌 11 月 17 日发表的论文却给出反直觉结论:只改提示词,智能体成功率反而从 5% 跌到 2.5%;而让优化模型直接改写其运行框架,成功率冲到 40%,足足 8 倍。 142 行代码,拆成四块逐个改 Harness 指包裹在模型外围的运行框架,负责

    来源 AI 开发者社区
  21. 姚顺雨回清华姚班:大模型不拼指标赛马,RSI如何落到工程?

    11 月 18 日晚,腾讯首席 AI 科学家、混元大模型负责人姚顺雨回到母校清华大学交叉信息研究院(姚班),与本科同窗、清华交叉信息院助理教授吕凯风做了一场近距离的闭门问答交流。 作为姚班 2015 级校友与普林斯顿博士,姚顺雨曾参与提出将推理与行动结合的 ReAct 范式,是代码 Agent 评测基准 SWE-ben

    来源 AI 行业观察
  22. 谷歌让AI自改运行框架:成功率由5%升至40%

    谷歌11月17日论文发现:只优化提示词,AI智能体成功率反从5%降至2.5%;而让优化模型直接改写其运行框架Harness,成功率升至40%,提升8倍。团队将仅142行的初始编程智能体拆成四块逐一改造,Harness负责上下文与记忆管理、多轮任务调度、工具调用及结果验证。结论是改框架比磨提示词更有效。

    来源 AI 产业速递
  23. 谷歌AI模式上线临时线程:搜索不留痕,服务器端仍存约两个月

    11月18日, 谷歌 宣布在全球桌面端及移动端浏览器的 搜索AI模式 中正式推出“临时线程”(Temporary Threads)功能,允许用户发起私密、非个性化的即时搜索,使其查询记录不留存于个人历史且不干扰后续算法推荐。 该功能借鉴了独立应用 Gemini 的临时聊天机制,用户无需修改账户隐私设

    来源 AI 开发者社区
向下滚动自动加载更多