谷歌「RSI」新进展:通过「自我改进记忆」实现持续RSI

资讯 网易科技 作者:网易 全文 1579 字 · 约 4 分钟读完 配图 6 张 分类RSIGoogle

谷歌「RSI」新进展:通过「自我改进记忆」实现持续RSI

所属频道 大厂动态前沿研究

谷歌「RSI」新进展:通过「自我改进记忆」实现持续RSI(配图 1)

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)虽会依据反馈提出、评估和筛选修改,但迁移时若只携带最终 harness,往往缺少修改理由、预期目标、测试结果和评估情境,导致重复试错,甚至误改继承组件。

为此,谷歌团队提出了“自我改进记忆”(Self-Improvement Memory,SIM)。它面向负责优化 harness 的优化器,保存改进过程中的经验。他们将基准或策略模型变化后继续优化 harness 的设定称为“持续递归自我改进”(CRSI)。

谷歌「RSI」新进展:通过「自我改进记忆」实现持续RSI(配图 2)

论文链接:https://arxiv.org/abs/2611.18856

模型变化只是其中一种情境。任务数据变化,同样可能使原有修复需要调整。在文本分类实验中,源阶段演化得到的 FewShotAll harness,在目标测试套件上的起始分数为 72.92,低于初始版本的 75.72。原本只检查命令是否成功执行的任务完成关卡,也可能需要进一步检查可行解是否达到最优。

面对这些变化,SIM 将修改按照它们处理的 harness 问题进行归组。每组记录包含修改理由、预期结果、实际观测结果和评估情境。提出修改的提案器与负责筛选的选择器,都能够访问这些信息,判断此前的改动应当保留、修订、替换还是删除。

这份记忆也会随优化继续更新。新问题对应新的条目,同一问题下的后续尝试及结果则追加至已有记录。这样,目标阶段优化既能够使用源阶段积累的经验,也能够继续记录新的尝试。

谷歌「RSI」新进展:通过「自我改进记忆」实现持续RSI(配图 3)

图|agent 外层优化循环中的 SIM

CRSI 区分了两类转换。跨数据集持续优化保持策略模型固定,改变基准测试。跨模型持续优化则保持基准测试与数据划分固定,改变策略模型。两类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,现有优化方法可以继续采用原有的提案、评估和筛选流程。

为了考察改进经验是否有助于后续优化,在迁移条件中,他们比较了完整 SIM、仅携带 harness,以及仅保留问题根因;三者共享同一源演化 harness。另设 Cold Start 从种子 harness 开始,,并匹配优化轮数与候选方案预算。

他们在 4 个领域开展了实验。完整 SIM 在 6 种跨数据集设定和 4 种从 Opus 迁移至 Gemini 的设定中,最终分数均高于仅携带 harness 和仅保留问题根因的持续优化。比较结果支持了他们提出的做法,即在问题诊断之外,继续保留修改历史与评估结果。

谷歌「RSI」新进展:通过「自我改进记忆」实现持续RSI(配图 4)

图|跨数据集 CRSI

谷歌「RSI」新进展:通过「自我改进记忆」实现持续RSI(配图 5)

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

针对独立优化过程之间的差异,他们还在编程领域开展了 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,比较使用 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「RSI」新进展:通过「自我改进记忆」实现持续RSI(配图 6)

图|编程优化,TB2.1 → TB4

当然,这项研究也有一些局限性。受计算预算限制,独立 RSI 重复实验集中在编程领域,其他领域的每种条件仅运行一次。研究覆盖的是 harness 接口兼容的设定,优化器的规划和搜索流程保持固定。此外,这些比较将 SIM 作为完整流程进行评估,同时包含继承的记忆和目标阶段优化中的记忆更新。

更多技术细节,详见原论文。

如需转载或投稿,请直接在本文章评论区内留言

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. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 谷歌报告:黑客用AI盯补丁生成攻击代码,n-day窗口期被压缩

    厂商刚发布安全补丁,你的屏幕上就弹出了更新提示。 你手头正忙,顺手点了「稍后提醒」。 而此时,黑客也在等这份补丁。 厂商改了哪几行代码,他们就让AI盯着哪几行。一旦发现破绽,AI还能自动写出攻击代码,在旧版本上试一试。 从补丁公开到你装好更新,中间有一段窗口期。 你的软件还留着原来的漏洞,攻击者手里却可能已经多了一份精

    来源 AI 行业观察
  7. 谷歌拆开Gemini隐私开关:聊天记录与AI训练分家,用户可单独拒绝

    谷歌在Gemini活动设置中将“AI训练”和“聊天历史”拆分为独立开关,用户可更灵活地决定是否让对话数据用于模型改进。文章分析这一变化对隐私控制、企业合规和行业竞争的意义,并提醒关闭训练不等于数据完全不留存,用户仍需关注默认设置与数据保留政策。

    来源 AI 科技快讯
  8. 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
  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
  11. 微软推出Decision-1.1决策模型:跑赢GPT-6 Luna,速度翻倍

    IT之家 11 月 18 日消息,微软昨日(11 月 17 日)宣布正式推出 Microsoft-Decision-1.1 决策 AI 模型,目前已在 Microsoft Foundry、OpenRouter 和 Vercel 平台上线。 该模型面向企业级软件中的高频决策场景,可帮助应用在路由、分类、优先级排序、内容核

    来源 AI 行业观察
  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
  13. 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
  14. 谷歌地图Ask Maps升级:AI可代打电话订位,还能规划自驾路线

    谷歌于2026年11月16日宣布对其基于Gemini技术的 Google Maps 聊天机器人 Ask Maps 进行重大功能更新。该工具现在不仅能够查找美容、宠物护理、汽车和房屋维修等各类预约服务,还能直接致电当地商家完成预订,并在显示可用时段前自动收集必要信息。同时,用户还可借助该功能查找已保存

    来源 AI 开发者社区
向下滚动自动加载更多