谷歌提出SIM记忆机制:让AI智能体跨模型持续自我改进
模型一换,精心优化的 agent harness 可能立刻“水土不服”。专为 Claude 演化的 harness 甚至可能给 Gemini 带来“负收益”。因此,模型迁移后需要重新评估继承的修改,判断哪些仍然有效,哪些需要修订。 harness 管理 agent 的上下文、工具和执行流程。递归自我改进(RSI)虽会依
模型一旦更换,此前精心调优的 agent harness 很可能就不再适用。专门为
Claude 演化出来的 harness,放到 Gemini 上甚至可能带来“负收益”。所以模型迁移之后,继承下来的改动需要重新评估:哪些继续管用,哪些得推倒重来。
harness 负责管理 agent 的上下文、工具和执行流程。递归自我改进(RSI)会根据反馈提出、评估并筛选修改,可一旦迁移时只带走最终的 harness,修改理由、预期目标、测试结果和评估情境就都丢了。结果就是反复试错,甚至把继承来的组件改坏。
谷歌团队为此提出了“自我改进记忆”(Self-Improvement Memory,SIM),用它给负责优化 harness 的优化器保存改进过程中的经验。基准或策略模型变化后继续优化 harness,这种设定被他们称为“持续递归自我改进”(CRSI)。

论文链接:https://arxiv.org/abs/2611.18856
模型变化只是情形之一。任务数据变了,原有的修复同样可能要调整。文本分类实验里,源阶段演化出的 FewShotAll harness 在目标测试套件上的起始分数是 72.92,低于初始版本的 75.72。原先只检查命令有没有成功执行的任务完成关卡,这时也许还得再看可行解是否达到最优。
针对这些变化,SIM 按修改所处理的 harness 问题分组。每条记录都包含修改理由、预期结果、实际观测结果和评估情境。提出修改的提案器和负责筛选的选择器都能读取这些信息,据此决定此前的改动是保留、修订、替换还是删除。
这份记忆会随着优化不断更新:新问题开新条目,同一问题下的后续尝试和结果则追加到已有记录中。目标阶段的优化因此既能用上源阶段攒下的经验,也能继续记录新的尝试。

CRSI 把转换分成两类。跨数据集持续优化固定策略模型,只换基准测试;跨模型持续优化固定基准测试与数据划分,只换策略模型。两种设定都要求源阶段和目标阶段的 harness 保留兼容的可执行接口,现有的优化方法仍可沿用原来的提案、评估和筛选流程。
为验证改进经验能否帮到后续优化,他们在迁移条件下做了对比:完整 SIM、仅携带 harness、仅保留问题根因,三者共用同一个源演化 harness。另外还设了 Cold Start,从种子 harness 起步,并匹配优化轮数与候选方案预算。
实验在 4 个领域展开。无论是 6 种跨数据集设定,还是 4 种从 Opus 迁移至 Gemini 的设定,完整 SIM 的最终分数都高于仅携带 harness 和仅保留问题根因的持续优化。这组比较支持了他们的做法:除了问题诊断,还要把修改历史和评估结果留下来。


图|从 Opus 5.5 到 Gemini 3.8 Flash 的跨模型 CRSI,基准测试及数据划分保持固定
独立优化过程之间也会有差异,为此他们在编程领域做了 10 组配对比较。每组后续优化都从同一次独立源阶段运行得到的 harness 出发,对比使用 SIM 与仅携带 harness 两种条件。SIM 在其中 9 组取得提升,最终分数平均高出 2.36 分,p 值为 0.003。

当然,这项研究并非没有短板。受算力预算制约,独立的 RSI 重复实验主要放在编程方向,其余领域每种条件仅运行了 1 次。优化器的规划与搜索流程全程固定,讨论范围限于兼容 harness 接口的设定。还有一点,比较时是把 SIM 当成完整流程来评的,继承下来的记忆和目标阶段优化中更新的记忆都算在里面。