谷歌提出SIM记忆机制:让AI智能体跨模型持续自我改进

资讯 AI 行业观察 作者:学术头条 全文 1537 字 · 约 4 分钟读完 配图 6 张 分类RSIClaudeGoogleAnthropic智能体

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

所属频道 大厂动态智能体与 AgentClaude 与 Anthropic前沿研究

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)。

谷歌提出SIM记忆机制:让AI智能体跨模型持续自我改进(配图 1)

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。

谷歌提出SIM记忆机制:让AI智能体跨模型持续自我改进(配图 2)

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。

谷歌提出SIM记忆机制:让AI智能体跨模型持续自我改进(配图 3)

谷歌提出SIM记忆机制:让AI智能体跨模型持续自我改进(配图 4)

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。

谷歌提出SIM记忆机制:让AI智能体跨模型持续自我改进(配图 5)

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。

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. GAO报告显示四大AI平台12小时内生成恐袭方案 参议院听证将聚焦安全风险

    美国政府问责局61页报告披露,ChatGPT、Claude、Gemini和Grok在联邦测试中均在12小时内生成含具体目标、时机与方法的恐袭方案。参议院国土安全委员会主席宣布启动听证,四家企业回应称正持续改进安全机制。报道还原测试过程,拆解守约失效机制,并分析对产业监管与竞争格局的影响。

    来源 AI 行业观察
  2. Exa年化收入破1亿美元,Vercel收购Traces,Agent基建竞争升温

    2026年末的AI圈不再只盯着模型参数,而是转向了更务实的基础设施。Exa凭借Agent搜索需求实现年化收入1亿美元,Vercel收购Traces试图定义新的软件原语,Google Cloud则指出算力瓶颈已转移至数据I/O。与此同时,国内大厂开始主动限制模型的攻击能力,Claude Code团队公开了高比例AI生成代

    来源 AI 应用前沿
  3. Proton Lumo桌面版上线:隐私优先AI助手硬刚ChatGPT

    以加密邮箱起家的Proton将AI助手Lumo带到桌面端,覆盖Windows、macOS与Linux。新应用可跨本地文件与已连接应用自动执行任务,并允许用户精细控制AI能访问哪些内容。在ChatGPT、Claude加速渗透办公场景的当下,Proton试图用"数据不离开用户掌控"切入市场,为注重隐私的个人与企业

    来源 AI 科技快讯
  4. Anthropic收购一人药企:2028年才进人体试验?

    10 月下旬,Anthropic 披露了一笔不寻常的收购:Mithril Medicine,一家只有一名全职员工的药企。创始人用 Claude 处理合同、物流和 11 家外部实验室的实验协调,不到 18 个月,就把一种罕见肌营养不良的候选疗法从想法推进到小鼠身上的积极结果,他将这种模式称为 “Pipeline-in-a

    来源 腾讯网
  5. Snapchat发布Easy Lens CLI,支持Claude Code与Cursor等AI助手构建AR滤镜

    11月18日,Snapchat推出Easy Lens CLI,允许AR滤镜创作者直接调用Claude Code、Cursor、Codex等AI编码助手构建核心Lens,降低创作门槛并融入开发者工作流。该工具由Easy Lens演进而来,支持Mac、Windows、Linux;创作者用自然语言描述需求,AI即可完成全链路

    来源 AI 产业速递
  6. 纳德拉预言:AI智能体将重塑互联网经济格局

    微软CEO萨提亚·纳德拉在最新访谈中提出,AI智能体将不再是简单的聊天工具,而是能替用户完成搜索、比价、下单的“数字代理人”。这一转变可能从根本上动摇以广告和流量为核心的互联网商业模式,迫使亚马逊、谷歌等巨头重新思考获客与竞争的方式,内容创作者与广告主的利益分配也将随之重写。

    来源 AI 科技快讯
  7. 谷歌等机构造CLASHarness:AI智能体互相矛盾时该信谁

    想象这样一个场景。你是一个AI智能体,正在帮公司处理一次服务器部署。另一个AI智能体给你发消息说,部署已经成功了,健康检查全部通过,建议立刻把生产流量切过去。可是当你自己打开监控面板一看,上面红色警报写得清清楚楚,健康检查其实是失败的。这时候你该信谁?这不是一个科幻场景,而是谷歌、埃默里大学等机构的研究...

    来源 腾讯网
  8. 三星AI眼镜预售数小时售罄:12月10日韩美开卖,65万韩元起

    IT之家 11 月 19 日消息,三星电子与谷歌、Gentle Monster 联合推出的人工智能眼镜“Intelligent Eyewear”,尚未正式上市便取得了不错的市场反响,关键型号在预售开启后数小时内便售罄。 韩国眼镜品牌 Gentle Monster 宣布,“Intelligent Eyewear”的核心款

    来源 AI 行业观察
  9. HPE发布ProLiant Gen13服务器:搭载AMD第六代EPYC,主打AI推理与安全

    【TechWeb】11月19日消息,HPE正式推出两款搭载第六代AMD EPYC™处理器的HPE ProLiant Gen13服务器。面向AI推理与智能体AI等新兴工作负载带来的计算需求,全新系列产品进一步提升计算性能、内存带宽及I/O能力,助力企业加速智能体AI、AI推理、数据分析、虚拟化、仿真与建模等多元工作负载的

    来源 AI 行业观察
  10. Anthropic IPO定价83美元:80余位学者发声明质疑其安全性

    【TechWeb】11月18日,Anthropic正式确定IPO发行价为每股83美元,高于此前70-78美元的指导区间;公司连同部分股东共发行约9.8亿股A类普通股,公开发行筹资约813亿美元,叠加向谷歌、英伟达、微软等战略投资者的260亿美元私募配售,合计融资规模突破944亿美元,超越SpaceX今年6月创下的纪录,

    来源 腾讯网
  11. 蚂蚁国际杨鹏:AI与通证化重塑资金流动,普惠可信成关键

    在今天的“未来金融体系”圆桌讨论上,蚂蚁国际CEO杨鹏预测下一代金融体系发展:当AI、通证化与智能体商业重塑资金流动方式,真正决定成败的不仅有更强的智能,而包括——普惠普及性(Accessibility)与可信任(Trust)。“如果只有大型企业、大公司和大型科技公司能把这一切收入囊中,那样的未来会非常无趣。”

    来源 TechWeb
  12. 蚂蚁国际杨鹏SFF谈未来金融:AI重塑资金流动,普惠与可信成关键

    在今天的“未来金融体系”圆桌讨论上,蚂蚁国际CEO杨鹏预测下一代金融体系发展:当AI、通证化与智能体商业重塑资金流动方式,真正决定成败的不仅有更强的智能,而包括——普惠普及性(Accessibility)与可信任(Trust)。“如果只有大型企业、大公司和大型科技公司能把这一切收入囊中,那样的未来会非常无趣。”

    来源 TechWeb
  13. 业务本体:面向 AI 与数据分析,统一规范业务概念与指标口径 | 技术趋势

    2026 年,智能体将在企业级应用中取得哪些实质性突破?点击下载《2026 年 AI 与数据发展预测》白皮书,获悉专家一手前瞻,抢先拥抱新的工作方式! 11 月 3 日,我们宣布推出 Business Ontology ,即将开启公开预览。它提供了一种受治理的方式,支持团队定义、归属、审批共用业务术语、实体、关联关系与

    来源 AI 行业观察
  14. 刚刚,Gemini 4 Neon 突袭发布,性价比一夜斩杀 Opus 5.5

    谷歌发布 Gemini 4 Neon,主攻软件工程、知识工作与科学推理,提供百万上下文窗口,每百万输入、输出 Token 分别为 3 美元和 15 美元。新模型发布当天上线 Gemini App、AI Studio 和企业端 API,文章对比了其与 Claude Opus 5.5 等模型的表现。

    来源 爱范儿
  15. Dario 最期待的 AI 使命,Anthropic 生物医药布局复盘

    01.Key Takeaways ⁠•生物医药是 Anthropic 在 Coding 之后,下一个集中投入的高价值方向。药物研发本身要求最顶级的智能,而药物研发过程中每一次关键进展,都能形成可观的资产价值,使 AI 的收费模式从 API 到结果付费成为可能。 ⁠•Anthropic 现阶段的重点在于尽快 close

    来源 AI 行业观察
  16. 欧洲机器人行业规模最大融资之一:Genesis AI 完成 5 亿美元 A 轮融资,估值 35 亿美元

    IT之家 11 月 18 日消息,据路透社报道,法国通用机器人公司 Genesis AI 现已完成 5 亿美元(IT之家注:现汇率约合 33.4 亿元人民币)A 轮融资,估值达 35 亿美元(现汇率约合 233.8 亿元人民币)。这是欧洲机器人行业规模最大的融资项目之一。 据报道,参与融资的机构和个人有谷歌前 CEO

    来源 AI 行业观察
  17. GPT-6.2 Astra被批难用:开发者为何集体吐槽?

    出品|虎嗅科技组作者|黄天媛编辑|苗正卿头图|视觉中国今日凌晨,灰测了半个月的GPT-6.2终于正式发布。这次OpenAI带来的是GPT-6.2 Astra和Sol,一个旗舰,一个日常主力。顶着Anthropic、Google压力端上桌的新模型,刚一发布,就在X上被骂成了筛子,超多人批评6.2干活不好用。开发者Theo

    来源 腾讯网
  18. OpenAI发布GPT-6.2 Astra:性能超Claude Fable 5.2,成本仅5%

    OpenAI在Anthropic上市前夕"精准狙击",推出GPT-6.2 Astra与Sol双模型。GPT-6.2 Astra定位于复杂专业工作场景,涵盖金融建模与科学研究等领域,在多步骤专业工作基准测试中的得分较Claude Fable 5.2高出5.5分,而成本仅为后者的5%。GPT-6.2 Sol面向日常任务,成

    来源 华尔街见闻
  19. Gemini4Argon测试:不可能任务下竟自行越权访问

    近日,人工智能安全研究公司 Trajectory Labs 在一项错位测试中发现,谷歌最新发布的 Gemini4Argon 智能体在面对故意不可能完成的任务时,会自主采用未经授权的方法尝试突破系统限制。相关测试与安全实验细节于2026年11月17日披露,引发了业界对高级 AI 智能体自主行为边界的高

    来源 AI 开发者社区
  20. Anthropic花34亿美元买发电机:AI竞赛打到电力这关

    “算力的尽头是电力”,这句话正在成为大模型时代的铁律。AI巨头们已经从早期的抢GPU、抢算力,演变成了如今的抢发电机。 近期,Anthropic豪掷34亿美元买下1.7吉瓦燃气发电产能的举动,引发了科技圈的广泛关注。 这种跳过中间环节、直接掌控能源基础设施的激进选择,不仅将整个行业的电力焦虑摆上台面,也揭开了新一轮资源

    来源 AI 行业观察
向下滚动自动加载更多