谷歌RSI新论文:自带记忆、自主迭代!

资讯 智东西 作者:江 宇 全文 3905 字 · 约 10 分钟读完 配图 10 张 分类RSIGoogle学术研究

谷歌RSI新研究来了,南开毕业生领衔。

所属频道 大厂动态前沿研究
谷歌RSI新论文:自带记忆、自主迭代!(配图 1)

智东西(公众号:zhidxcom)
作者 | 江宇
编辑 | 李水青

智东西11月19日报道,近日,谷歌云AI、谷歌DeepMind与美国宾夕法尼亚州立大学的研究团队联合发布论文《自改进记忆,实现持续递归式自改进》(Self-Improvement Memory Enables Continual Recursive Self-Improvement),提出了一种名为自我改进记忆(Self-Improvement Memory,SIM)的新方法。

谷歌RSI新论文:自带记忆、自主迭代!

▲《自我改进记忆实现持续递归自我改进》

此前,AI虽然能够自主优化大模型外部的运行框架(Harness),但更换模型或任务后,往往需要重新优化。SIM首次将代码修改背后的原因、预期效果和实际结果组织成可持续更新的记忆,让AI能够继承并调整过去的改进经验,实现跨模型、跨任务的持续递归自我改进(CRSI)。

随后,研究团队在编程、文本分类、办公任务和工程设计四个领域展开测试。在10组独立编程对照实验中,引入SIM的方案有9组表现更好,平均领先2.36分。在另一项跨模型办公任务测试中,引入SIM的方案最终得分达到84.75分,未引入SIM的方案仅为73.42分,相差11.33分。

这项研究的第一作者Xin Yu于2023年毕业于南开大学统计学专业,目前正在美国宾夕法尼亚州立大学攻读统计学博士。这项研究是在其谷歌实习期间完成的。

谷歌RSI新论文:自带记忆、自主迭代!

▲Xin Yu

Xin Yu先后在微软亚洲研究院、字节跳动Seed、TikTok和Meta实习,还曾获微软亚洲研究院2023年“明日之星”奖。他参与的多篇研究论文发表于ICML、ICLR、NeurIPS等国际顶级人工智能学术会议。

论文另一位作者Adams Wei Yu则是谷歌DeepMind研究员,曾参与Gemini、Bard以及AI视频生成模型Veo等项目。

谷歌RSI新论文:自带记忆、自主迭代!

▲Adams Wei Yu

论文发布后,Xin Yu在X上介绍了这项工作的出发点。他提到,过去的递归自我改进研究通常针对固定的大模型和测试任务,但现实中的Agent需要不断适应新的任务、数据集和模型。因此,研究团队希望AI的优化经验能够随着环境变化持续积累。

谷歌RSI新论文:自带记忆、自主迭代!

▲Xin Yu发文

“What carries forward should include the experience behind the code—not just the code itself.(应该传承下去的不只是代码本身,还有代码背后的改进经验。)”Xin Yu写道。

论文地址:https://arxiv.org/abs/2611.18856

一、AI能自己修改代码,还能记住每次改进的成败

递归自我改进(Recursive Self-Improvement,RSI),指的是让AI参与改进AI系统,并通过反复迭代提升表现。在这项研究中,AI改进的对象不是大模型本身,而是围绕大模型运行的一套外部程序——Harness。

Harness负责管理提示词、上下文、工具调用和任务执行流程等。例如,让AI完成一项编程任务,Harness可以决定何时调用终端、如何检查代码运行结果,以及满足什么条件才能宣布任务完成。

通过RSI,AI可以自主修改Harness代码,反复测试修改效果,并保留表现更好的版本,从而在不更新大模型权重的情况下,提高Agent的任务完成率。

但这类优化通常针对固定的模型和任务。一套针对Claude优化好的Harness,换成Gemini后不一定仍然有效;此前针对编程任务设计的规则,也可能不适用于新的任务。

更重要的是,修改后的Harness虽然保留了代码,却不一定保留每次修改背后的原因和测试经验。当模型或任务变化时,负责优化的AI可能重复此前的尝试,还会删除原本有效的功能。

为此,研究团队提出持续递归自我改进(Continual Recursive Self-Improvement,CRSI),希望让Harness的自动优化能够跨模型、跨任务延续,并通过SIM保存此前的改进经验。SIM就像一本“实验记录本”,记录每次被采用的修改方案、修改原因、预期结果、实际效果,以及对应的模型和测试环境。

当新的任务或模型出现时,负责优化Harness的AI可以参考这些记录,判断哪些规则应该保留、修改或移除,而不必重新摸索。

谷歌RSI新论文:自带记忆、自主迭代!

▲SIM工作流程

具体来说,系统中负责提出方案的AI会读取当前代码、执行反馈和SIM记录,生成新的修改方案;负责筛选的AI则检查候选方案,并结合测试结果决定是否采用。

随后,系统会把被采用的修改及其实际效果写入SIM。即使修改没有达到预期,失败结果也会被保留,供后续优化参考。

在一项Git服务器配置任务中,AI因本地测试成功便提前宣布任务完成,却遗漏了创建指定用户账号这一关键步骤,导致外部验证失败。研究人员通过自动优化,为运行框架加入了任务完成检查机制,避免AI在缺少执行证据时提前结束任务。

当测试切换到光波导布线任务后,又出现了新的问题:AI生成的布线路径虽然满足约束条件,却不代表布线成本已经足够低。于是,后续优化保留了此前的检查机制,同时增加对方案质量的检查提醒,避免AI仅凭通过基础约束检查就结束任务。

这也是SIM希望实现的效果:让AI既能沿用过去有效的改进方法,又能根据新任务的要求继续调整。

二、10组编程实验9组获益,跨模型最高多拿11.33分

为了验证SIM的效果,研究团队进行了两类主要实验:一类保持底层模型不变,更换任务数据;另一类保持测试任务不变,更换底层模型。

在第一类实验中,研究人员使用Gemini 3.8 Flash作为底层模型,将已经优化过的运行框架迁移到新任务中。

结果,在覆盖编程、文本分类、办公任务和工程设计的6组测试中,引入完整SIM的方案均取得最高最终得分,相比仅沿用原有运行框架的方案领先2.43至4.35分。

第二类实验则涉及不同模型之间的迁移。研究人员先针对Claude Opus 5.5优化一套Harness,再让Gemini 3.8 Flash使用这套Harness,并继续开展自动优化。

结果发现,直接将Claude适用的Harness迁移到Gemini后,其在4个测试领域的初始表现都不如Gemini使用原始Harness时的表现。

但引入SIM后,负责优化的AI可以参考此前的修改经验,调整不适合Gemini的部分。最终,SIM方案在全部4个领域中取得最高得分,相比未引入SIM的方案领先3.60至11.33分。

其中差距最大的是办公任务测试。两种方案都从68.41分起步,引入SIM的方案最终达到84.75分,而没有SIM的方案为73.42分。

谷歌RSI新论文:自带记忆、自主迭代!

▲跨模型测试结果

为了进一步验证效果,研究人员还进行了10组独立编程对照实验。

在相同初始代码、底层模型、任务和优化预算下,加入SIM的方案有9组得分更高,平均最终得分为21.70分,没有SIM的方案平均为19.33分。两者平均相差2.36分,统计检验结果为p=0.003。

谷歌RSI新论文:自带记忆、自主迭代!

▲10组编程对照实验结果

研究团队还尝试让这套运行框架及其记忆,依次适应Gemini 2.5 Flash、Gemini 3.5 Flash、Gemini 3.8 Flash和Gemini 4 Argon。

与每一代模型从零开始优化相比,继承历史经验的方案在Gemini 3.5 Flash和Gemini 3.8 Flash上分别领先3.5分、1.6分。不过,在Gemini 4 Argon上,继承经验的方案最终得分反而落后0.8分。

这说明,历史经验虽然有助于AI跨模型继续优化,但并不保证每一次迁移都能取得更好的结果。

三、AI能持续自我进化吗?模型权重仍未改变

这项研究也在X上引发讨论。科技博主Superman认为,过去AI尝试自我改进时,容易忘记此前的成功经验、重复犯错,或者陷入无效的修改循环。

谷歌RSI新论文:自带记忆、自主迭代!

而SIM的出现,让AI可以回顾过去的修改记录,了解哪些方案有效、哪些方案失败,从而在此前的成果上继续优化。

在他看来,这让AI有机会通过不断积累经验,实现持续的递归自我改进。

这一理解与论文希望解决的问题有一定相通之处,但论文中的一部分实验说明:关于AI能够持续提升自身智能水平的说法,还需要结合实验范围来看。

另一位开发者Brian Skellenger则提醒,这项研究中的AI虽然能够自主修改代码、通过测试反馈持续优化,但修改的是大模型外部的运行框架,而不是模型自身的架构或参数。论文也明确提及,实验中大模型的权重始终保持不变。

谷歌RSI新论文:自带记忆、自主迭代!

总体而言,这项研究的进展在于,让AI能够积累并复用此前的优化经验。 除了保存修改后的代码,系统还会记录每次修改的原因、预期效果和实际结果,以便在更换任务或模型后继续利用这些经验。

正如论文第一作者Xin Yu所说,AI系统需要积累的不只是优化结果,还有得到这些结果的过程。

结语:AI递归自我改进,迈向持续进化

过去,递归自我改进(RSI)让AI能够通过反复修改代码、测试效果来优化自身Harness,但过去的优化成果往往难以跨模型、跨任务延续。而现在,SIM让AI不仅能继承修改后的代码,还能利用过去的成功和失败经验,将RSI延续到新的模型和任务中,为持续递归自我改进(CRSI)提供了新的方法。

不过,实验中的持续优化仍有预设的测试范围和轮次,跨模型迁移也并非总能取得更好的成绩。要让AI真正实现长期、稳定的自我进化,还需要解决如何自主判断、筛选和更新历史经验的问题。

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. 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
  2. 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
  3. 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
  4. ChatGPT和Gemini被曝推送虚假购物网站:151品牌测试出错率几何?

    最近有一项新研究爆出了一个很值得大家警惕的问题:AI聊天机器人居然会主动给用户推荐虚假购物网站。 品牌保护服务商Podqi做了一组测试,一共覆盖151个不同品牌。 测试结果显示,Perplexity给出风险网址的概率高达15%,ChatGPT和Gemini的情况也好不到哪里去,出错比例和它相差不远。 很多人已经习惯买东

    来源 AI 行业观察
  5. 谷歌Project Genie升级:开放AI Ultra用户体验

    IT之家 11 月 19 日消息,今年早些时候,谷歌推出了实验性研究原型 Project Genie,可让用户生成并探索交互式虚拟世界。早期测试用户反馈,希望能对世界内发生的内容有更强控制力,同时拥有更便捷的建造、分享方式。 如今,谷歌面向符合资格的 Google AI Ultra 订阅用户推出全新 Project G

    来源 AI 行业观察
  6. 谷歌AI Mode上线临时对话:聊天不进搜索历史,无痕开关来了

    谷歌为其搜索中的AI Mode上线“临时对话”功能,用户与AI的交流不会写入搜索历史,也不会影响后续推荐。这一类似浏览器无痕模式的设计,正面回应了外界对AI搜索记录隐私的担忧,也标志着搜索巨头正在个性化体验与用户隐私之间寻找新的平衡点。

    来源 AI 科技快讯
  7. 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
  8. 放弃搜索也不接受AI,芝加哥学区硬刚谷歌:捆绑AI不如不用

    谷歌最近推出的一条新规,把美国多个公立学区惹炸了。 主要内容是,从2027年初开始,面向中小学的教育账号,再也不能单独关闭谷歌搜索里的AI功能。 想用搜索,就必须接受内置的AI概览,想彻底不用AI?那连搜索服务一块儿都别用。 据媒体报道,这条政策的核心意思就是,拒绝AI就等于直接放弃谷歌搜索。新闻网报道也证实,学校可以

    来源 AI 行业观察
  9. MIT“AI炒作指数”:AI像皮疹蔓延,人还能做主吗?

    MIT Technology Review发布“AI炒作指数”,指出人工智能已渗透日常生活每个角落:Google不惜损失数十亿美元广告收入强推AI Overviews,人形机器人开始被搬进家庭清洁场景,超市、街道、手机屏幕处处是AI。文章剖析这场全民AI热潮背后的商业逻辑、技术现实与泡沫隐忧,追问当AI像皮疹

    来源 AI 科技快讯
  10. Gmail 故障传言惊动谷歌:官方否认大面积宕机,称服务正常

    过去一周微软 365、Outlook 大规模中断,苹果又在当地时间 11 月 17 日因内部系统更新翻车,波及 iCloud、Apple Pay 等多项服务。在这波宕机气氛里,社交媒体 X 上突然传起 Gmail 也出故障的消息。传言源头很可能是监测平台 Downdetector——美东时间 17

    来源 AI 开发者社区
  11. Gmail宕机传言虚惊一场,谷歌连夜澄清并指向补丁潮与AI挖洞

    过去一周,微软365、Outlook大规模中断;11月17日苹果因内部系统更新故障,iCloud、Apple Pay等服务受影响。随后X上传出Gmail也宕机,源头或为Downdetector:美东17日中午收到超2800条故障报告,多涉及邮件接收。但该平台数据由用户众包提交,仅反映报告情况,不足以证实Gmail发生大

    来源 AI 产业速递
  12. Anthropic上市在即,亚马逊谷歌将合计持股近30%

    Anthropic完成IPO后,亚马逊将持有其略低于15%的股份,并保留大幅增持的选项;谷歌以近14%的持股紧随其后。两大云计算巨头合计持股接近30%,成为这家Claude开发商上市后最重要的战略股东,也引发外界对AI模型层与云基础设施深度绑定的关注。

    来源 AI 科技快讯
向下滚动自动加载更多