谷歌SIM机制曝光:Gemini可继承Claude经验,新模型不再从零开始
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最新
谷歌内部可能真把RSI做出来了。按照这套思路,
Gemini已经能「继承经验」、持续自我进化,新模型也不必再从零起步。
谷歌最近发模型的节奏快得反常,原因或许就在这里。Gemini 4 Hydrogen才上线不到一周,更强的Gemini 4 Neon就紧跟着来了。

答案可能就在谷歌与宾夕法尼亚州立大学深夜联合发布的一篇新论文里。谷歌的顶级研究员们提出了一个叫「自我改进记忆」(Self-Improvement Memory,简称SIM)的机制。
这意味着大模型真的学会了「写日记」,能反思自己写的代码;更让人吃惊的是,AI的进化经验居然能跨模型家族直接「遗传」。
上一秒你还在用Claude Opus优化出来的Agent框架,下一秒换成Gemini,它就能接过Claude的「前世记忆」,站在巨人的肩膀上接着往前冲。

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」的日子,正在走向终点。
为什么新模型一出,老代码就成了「废铁」?
开发者最常撞上的噩梦,就摆在下面。Agent全面爆发之后,RSI成了各家公司的重点发力方向。
不过这里说的「改进」,一般不是去动大模型那几千亿的底层权重,而是改「Harness」,也就是套在模型外面的那层「机甲」,提示词、工具、拦截规则都归它管。过去AI靠RSI技术反复试错,把这套「机甲」磨得几乎挑不出毛病。
可致命的地方在于:底层那个「大脑」一换,这套机甲就作废了。
谷歌研究员在实验里撞见一个怪现象——一个在Claude Opus上深度进化、表现优异的Harness,直接套到Gemini身上,得分反而比Gemini原生的初始Harness还低。
原因在哪?代码被丢给新模型时,留下来的只有「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,完全「懵圈」。
它不知道过去每一次改代码是为了什么,就会开始乱动。原本用来修致命Bug的代码,可能被当成冗余删掉;早就证明无效的方案,也可能被翻出来再跑一遍。
于是越优化越烂,陷进死循环。
破局:谷歌拿出CRSI和SIM两套新机制
为了跳出这个怪圈,谷歌在论文里给出了一个新框架,名叫CRSI(Continual Recursive Self-Improvement)。
这套框架真正的核心,是SIM(自我改进记忆)。

要说清楚,它并非给大模型挂一份简单的「聊天历史记录」,而是替AI优化器准备了一本高度结构化的「极客开发日志」。

按谷歌的设计,SIM就是AI优化器手里那本结构化的开发日志。
SIM具体怎么运转?AI过去每一次「折腾」,都会被它记录下来。
AI每改动一次Harness的代码,SIM就按「问题根因」把这次改动归类,同时记下四大核心要素。
Rationale(修改动机与具体代码):AI究竟出于什么原因,动了哪一行代码?
Predicted outcomes(预期效果):动手之前,AI认为这行代码能修好哪些特定任务?
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?
Evaluation context(评估上下文):这一轮用的是哪个模型、哪个数据集?
这相当于上一代模型离开之前,给下一代模型留了一份写得极细的「交接文档」。

Gemini从Claude手里接过那套复杂Harness时,优化器就不用再摸黑试探了。
每一轮优化开始前,它先翻一遍这份SIM日志,把前人的经验借过来,吃过一次亏就长一分记性。
到这一步,AI才算有了能一代代传下去的「进化底蕴」。
实战:Gemini继承Claude的「前世记忆」
为了检验这套机制到底有多强,谷歌团队安排了一场跨模型接力。
Claude Opus 5.5进化出的Harness,被打包连同SIM记忆一起交给Gemini 3.8 Flash,由它接着往下优化。
论文里给了一个很典型的「过早完工」Bug案例,读起来相当精彩。
此前的优化过程中,AI总爱「偷懒」:Git命令还没执行,就先骗系统说「任务完成了」。
为了堵住这个毛病,Claude时期的优化器在Harness里加了一道「拦截器」,规定没真正执行命令就不许提交完成。
一旦没有SIM,场面就相当难看。
Gemini接手这道拦截器后,压根不知道它为什么会被加进来。
接下来的迭代里,Gemini不但没把它改好,还把自己折腾到死机,这段代码前后重写了4次,其中2次是在修它自己刚弄出来的Bug。
这操作看着就像个没摸清前人架构的新手在乱改,代码堆得越来越臃肿。

换成有SIM的情况,效果完全是另一个层级。Gemini带着SIM日志接手后,局面立刻变了。
优化器读完日志,马上搞懂了这层逻辑:这个拦截器的作用是防止证据不足就提前提交。基于这个判断,Gemini把它留了下来,还顺手做了一次大幅升级。
新加入的检查专门盯特定目标任务:任务跑通还不够,得跟理论最优解比对,分数达标才能提交通关。这才叫真正把前人的东西接过来再用好。
数据炸裂:全方位碾压,AI进化不再盲目
论文列出的实测数据直接压过所有对比项。谷歌在四大核心领域做了大规模测试,分别是代码编写、文本分类、工作区任务和工程设计。
对照的基线共四种。Cold Start(冷启动):拿原始种子Harness从零起步。Harness Transfer(仅传代码):只接上一个模型的代码,SIM记忆不带。
Problem-Only Memory(仅传根因):只让新模型知道过去踩过什么坑,具体怎么改、结果如何都不给。Full SIM(完全体,本文方法):Harness和完整的SIM进化日志一并继承。
测试结果无一失手。

亮点一落在Workspace任务上,跨模型性能涨了16分。Opus迁移到Gemini的Workspace任务时水土不服,起点只有68.41分。
继续优化之后,仅传代码(无SIM)的一方最终挣扎到73.42;拿到Full SIM机制加持的Gemini则一路冲到84.75,两者差距达到11.33分。
亮点二在Coding领域,胜率90%。Terminal-Bench的命令行任务难度不小,研究团队为此做了10次独立的持续优化运行。
10次较量里,有SIM的一方9次赢过没有SIM的一方,平均得分高出2.36分,统计学显著性很强(p=0.003)。
第三个看点是跨数据集泛化。同一个模型换到全新数据集上——文本分类从3个老数据集换成8个没见过的——Full SIM照样在6个测试场景里全部拿到最高分,不止跨模型能打。这个成绩压过了所有不带完整记忆的对照组。
"经验日志"里记着修改动机和测试结果,数据摆在那儿:这是AI冲破性能上限的唯一钥匙。

有人讲,眼下你也许只是惊讶于RSI跑得这么快;用不了多久,它能达到的高度同样会让人吃惊。
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自我改进几轮就会"走火入魔",性能反而往下掉。
谷歌这篇论文,等于在现实世界里帮RSI打通了任督二脉。CRSI加SIM的组合说明一件事:Agent的进化能"复利式增长"。
靠的就是"自我改进记忆"(SIM),每轮迭代都在做加法。第一代AI优化10%的代码,把原因记下来;第二代AI读这份记忆,在那10%之上再优化20%;第三代AI接过前两代的记忆,接着找新突破口……
这更像一场不可逆的物种进化。AI一旦学会像人那样,用"文字(日志)"把知识一代代传下去,RSI就迎来大爆炸。
研究摆出的结论是:AI能自我反思、自我记录,还能互相传授经验,进化的接力棒就到手了。这样的AI不必从零起步,经验BUFF一直在叠加。
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