谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化

资讯 AI 行业观察 全文 3490 字 · 约 9 分钟读完 配图 17 张 分类GeminiOpusGoogle学术研究

谷歌重磅论文:内部已实现RSI!Opus经验喂给Gemini,AI拥有...

所属频道 大厂动态Claude 与 AnthropicGemini 与 Google AI前沿研究

谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 1)

新智元报道  

谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 2)


谷歌内部可能已经把RSI真正做出来了。


按论文的说法,Gemini由此可以「继承经验」、不断自我进化,新模型不用再从零起步。


谷歌最近发模型发得这么密,原因或许就在这里。


Gemini 4 Hydrogen上线还不满一周,更强的Gemini 4 Neon就紧跟着出现了。


谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 3)


线索可能要从谷歌与宾夕法尼亚州立大学深夜联合发布的一篇最新论文里找。


谷歌的顶尖研究员在这篇论文中提出了「自我改进记忆」(Self-Improvement Memory,简称SIM)机制。


大模型这回不只是学会了“写日记”复盘自己的代码。更出人意料的是,AI攒下的进化经验能跨模型家族“遗传”。上一秒用Claude Opus调好的Agent框架,下一秒换到Gemini上,它照样接住Claude的“前世记忆”,站在前人肩膀上接着往前冲。



谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 4)


说白了,AI已经能“继承记忆”,递归自我改进(RSI)这条路算是真正走起来了。


靠堆算力“大力出奇迹”的老路子,正在走到头。



谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 5)
新模型一发布,旧代码为什么转眼就成“废铁”?


开发者最常撞上的噩梦,就在下面。


Agent全面铺开之后,RSI成了各家公司在卷的方向。


不过这里说的“改进”,一般不动大模型那几千亿参数的底层权重,动的是“Harness”,即包在模型外面的那层“机甲”,提示词、工具、拦截规则都归它管。


以前,AI 靠着 RSI 技术反复试错,把外面这层「机甲」磨得相当完善。可麻烦也藏在这儿:底层的「大脑」一旦更换,整套机甲就跟着失灵。


谷歌研究员做实验时撞见一个怪事:一套在 Claude Opus 上深度进化、表现很出色的 Harness,原封不动搬到 Gemini 身上,得分反倒不如 Gemini 自带的初始 Harness。


原因在哪儿?


代码交到新模型手里时,留下来的只有「结果」,「原因」没跟过来。新模型面对满屏繁复的规则、各式奇怪的拦截器和提示词,彻底摸不着头脑。


新模型的优化器不清楚此前每一次改代码是为了什么,于是就开始瞎改。


原本用来堵致命 Bug 的代码,可能被它当作冗余删掉;早已被证明没用的方案,也可能被它重新拎出来再跑一遍。


越优化越糟,最后卡在死循环里。


谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 6)

谷歌给出的破局方案,是 CRSI 与 SIM 机制。


这篇论文提出了一套新框架 CRSI(Continual Recursive Self-Improvement),用意就是跳出上述怪圈。


框架的核心是 SIM(自我改进记忆)。


谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 7)


这可不是往大模型里塞一份简单的「聊天历史记录」。谷歌给AI优化器配上的,是一份高度结构化的「极客开发日志」。


谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 8)

这套机制叫SIM,即自我改进记忆。说白了,AI优化器从此有了一本条理清楚的开发日志。


SIM干活的方式,是把AI过去每一次「折腾」都记账。AI每改动一次Harness的代码,它便按「问题根因」归类,再把四大核心要素记下来。



一是Rationale,也就是修改动机和具体代码——AI究竟出于什么原因,动了哪一行代码?二是Predicted outcomes,即预期效果——动手之前,AI认为这行改动能修好哪些特定任务?

三是Observed outcomes,即实际效果——跑完之后成了几个、败了几个,有没有带出新的Bug?

四是Evaluation context,即评估上下文——当时用的是哪个模型、哪个数据集?这就像上一代模型临走前,给下一代模型留下一份写得极细的「交接文档」。



谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 9)


Gemini接手Claude留下的复杂Harness时,优化器不会再摸不着头脑。每一轮优化开始前,它先翻这份SIM日志,借前人的经验,「吃一堑而长一智」。



AI由此有了能代代相传的「进化底蕴」。


谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 10)

实战演练:Gemini接下Claude留下的「前世记忆」


这套机制到底有多强?谷歌团队用一场跨模型接力来检验。


Claude Opus 5.5进化出的Harness,加上SIM记忆,被一起打包交给Gemini 3.8 Flash,由它接着往下优化。


论文里有个「过早完工」的Bug案例,相当经典,看了让人叫绝。

早先的优化中,AI总想省事。Git命令还没执行,它就先跟系统说「任务完成了」。


Claude阶段的优化器为此在Harness中塞进一个「拦截器」:命令没真跑过,就不许提交完成。


没有SIM会怎样?场面很难看。

Gemini拿到这个拦截器,却完全弄不清它为什么在这儿。


后面几轮迭代里,Gemini非但没把它改好,还把自己弄死机了——这段代码它重写了4次,其中2次是在修自己刚造成的Bug。


那样子,像个没读懂前人架构的新手程序员,在一堆烂代码上越堆越多。


谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 11)


有SIM时,情况完全不同,效果是压倒性的。

Gemini带着SIM日志接手,转折出现了。

优化器读完日志,马上明白:「这个拦截器是为了防止在没有证据的情况下过早提交。」

有了这层理解,Gemini把这拦截器留了下来,还顺手做了一次大幅升级。

它给拦截器加了对特定目标任务的检查:任务跑通还不够,还要和理论最优解对比,得分达标才允许提交通关。


这才叫真正接过来,再往前推一步。


谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 12)

数据摆出来很扎眼:各个方向都占上风,AI的迭代也不再是没头苍蝇式地乱撞。


论文里给出的实测结果,直接冲上了榜首。谷歌围绕四大核心方向铺开了大规模测试,分别是代码编写、文本分类、工作区任务和工程设计。



拿来对照的基线共有四种,具体如下。


第一种叫Cold Start(冷启动),做法是用最初那套种子Harness,从零起步。

第二种是Harness Transfer(仅传代码),新模型只接过上一个模型的代码,SIM记忆并不继承。

第三种叫Problem-Only Memory(仅传根因),只把过去踩过的坑告诉新模型,具体怎么改、改完什么结果,都不给。

第四种是Full SIM,也就是论文提出的完全体方案:完整的Harness加上完整的SIM进化日志,一并继承。


结果一出来,四项全赢。



谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 13)


先看第一个亮点:Workspace任务上,跨模型迁移让性能抬高了 16 分。

具体到Opus向Gemini迁移的Workspace任务,一开始水土不服,起跑分数只有68.41分。

继续往下优化,只传代码、不带SIM的那组,最终得分勉强爬到了 73.42。


反观有Full SIM机制撑着的Gemini,分数一路上冲,直接来到 84.75。

两边一对比,差距拉到 11.33 分,相当惊人。


第二个亮点落在Coding方向:胜率达到 90%。

Terminal-Bench里那些难度很高的命令行任务,研究团队一共做了10次独立的持续优化运行。

10次对拼下来,带SIM的一方有 9次 压过不带SIM的一方,平均分高出 2.36 分,统计学显著性也很强(p=0.003)。


第三个看点是跨数据集的泛化能力,同样没给对手留机会。

换模型不算什么,同一个模型去啃全新数据也一样——文本分类从3个老数据集挪到8个没见过的数据集,Full SIM在全部6个测试场景里都拿了最高分,把不带完整记忆的对照组全甩在后面。



数据摆在那里:把修改动机和测试结果记成「经验日志」,是AI捅破性能天花板的关键。


谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 14)

有人这样评价:眼下你或许只是对RSI的推进速度感到意外,用不了多久,它能达到的高度同样会让人意外。


谷歌论文曝RSI进展:SIM机制让Gemini继承经验持续进化(配图 15)

RSI真落地了,递归进化可以一直跑下去


以前大家嘴上都在喊RSI,实际上大多是「伪RSI」。


原因是没有记忆机制兜底,AI自我改进几轮之后就会出问题,性能反而往下掉。


谷歌这篇论文做的事,相当于把RSI在现实里真正打通了。


但CRSI加SIM这套组合说明了一件事:Agent的进化能像复利一样滚起来。靠「自我改进记忆」(SIM),每次迭代都在往上加。



第一代AI把代码优化了10%,顺手记下为什么这么改。第二代调出这份记忆,在那10%之上又往前推了20%。

到第三代,前两代的记录它都接着用,再去找新的突破口……


说到底,这更像一次没法回头的物种进化。


AI学会像人那样,用「文字(日志)」把知识一代代传下去,RSI的大爆炸也就来了。


这项研究给出一个判断:AI一旦能自我反思、自我记录,还能把经验教给彼此,进化的接力棒就已经到了它手上。它是一个不必从零起步的AI,一个经验一直在往上叠的AI。



谷歌这项工作,正是RSI从「单次实验」迈向日复一日滚存的关键一步。


参考资料:

https://arxiv.org/abs/2611.18856
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. 谷歌论文曝RSI内部落地:SIM机制让AI经验跨模型遗传

    新智元报道 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

    来源 腾讯网
  2. Gemini 4 翻身背后:SemiAnalysis 填表道歉,Hassabis 接梗回应

    Google DeepMind通过组织调整、算力重新分配和训练体系升级,在短短七周内连续推出四款Gemini 4模型。依托大规模预训练、多线并行研发和真实工程场景的强化学习训练,Gemini在编程和Agent能力上实现突破,重返行业第一梯队,此前唱衰Google的SemiAnalysis也公开致歉。

    来源 华尔街见闻
  3. Gemini 4 翻身记:SemiAnalysis 补交道歉表,Hassabis 接梗

    曾断言 Gemini 掉队的研究机构 SemiAnalysis,在 Gemini 4 系列密集发布后向 Google 公开致歉。文章梳理 DeepMind 的组织调整、算力分配与长期研发积累,解析真实工程任务驱动的后训练如何提升编程和智能体能力。

    来源 爱范儿
  4. Gemini 4翻身背后:SemiAnalysis道歉,Google TPU也不够用

    今天,知名半导体和 AI 研究机构 SemiAnalysis 在 X 上发了一张写给 Google DeepMind 主席 Demis Hassabis 的《向 Google 道歉专用表》。理由一栏勾了包括「我只看了 X 上大家的消息」、「我那在 Anthropic 工作的室友,说服我相信 Gemini 已经完了」和「

    来源 腾讯网
  5. Gemini登陆Mac桌面:AI代理可代操作电脑,隐私风险几何?

    谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、Anthropic和微软正面交锋。与此同时,桌面自动化带来的便利与隐私风险

    来源 AI 科技快讯
  6. 谷歌 Gemini 登陆 Mac:AI 可后台操控电脑,修图做 PPT 自动完成

    人工智能正从“动嘴皮子给建议”加速走向“动手帮你干活”。11月20日,谷歌正式为 macOS 版的 Gemini 应用推出了“电脑操控”(Computer Use)功能,让 AI 能够跨越桌面应用、本地文件以及网页环境,自主执行多步骤复杂任务。 后台独立运行不抢鼠标,支持实时预览与随时叫停 对于习惯

    来源 AI 开发者社区
  7. 谷歌 Gemini 上线 Mac 电脑操控:后台干活,能修图做 PPT

    AI正从“给建议”转向“帮干活”。11月20日,谷歌为macOS版Gemini应用上线“电脑操控”功能,可跨桌面应用、本地文件和网页自主执行多步骤复杂任务。该功能后台独立运行,不抢占鼠标,并支持实时预览与随时叫停,缓解用户对AI接管电脑时“抢鼠标、乱点屏幕”的担忧。

    来源 AI 产业速递
  8. 谷歌Gemini Tasks免费开放六国:Duplex电话代理强制亮明AI身份

    2026年11月17日,谷歌将Gemini Tasks向美日韩加澳印六国数亿用户免费开放,底层集成运行近十年的Duplex电话代理技术,支持代打电话预约并通过Google Pay在用户设定的限额内自动结账,全程强制声明AI身份,商家可随时退出。这是AI电话代理首次以免费、大规模、强制透明化方式完成商业落地。

    来源 AI 科技快讯
  9. 只改一处代码,谷歌 AI 智能体优化 Harness 后任务成功率提升 8 倍

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。 在一项 SWE

    来源 AI 行业观察
  10. 谷歌Gemini 4 Neon实测:跑分全球第三,成本却只有旗舰一半

    谷歌在七周内连续发布四款模型,最新推出的 Gemini 4 Neon 凭借极高的性价比杀回 AI 竞争中心。它在编程和复杂任务处理上接近旗舰水平,但成本仅为竞品的一半。通过引入“中训练”机制和自研 TPU 硬件支持,谷歌解决了此前模型迭代慢、推理弱的问题。本文解析 Neon 的技术细节、实际工程表现以及谷歌如何通过高频

    来源 AI 应用前沿
  11. 谷歌Gemini Mac版新增电脑操控:可跨应用自动做PPT、填表单

    谷歌为macOS版Gemini应用推出“电脑操控”功能,AI可直接操作用户电脑,跨本地文件、桌面应用和网页完成多步骤任务,如填写表单、制作演示文稿、商品上架等。该功能正面向美国地区英语用户逐步开放,用户可自主决定允许访问哪些应用,操作过程在实时预览窗口中展示。

    来源 凤凰科技
  12. 谷歌主页加AI搜索侧边栏:可查历史对话、连接Gemini笔记本

    谷歌正在对主页进行新一轮改版,新增可折叠AI搜索侧边栏。产品副总裁Robby Stein在X展示,点击屏幕左侧灰色条即可展开。侧边栏集中展示AI模式搜索记录,支持查看历史AI对话、继续提问、探索网络内容,并可新建对话线程、搜索历史线程及连接Gemini笔记本,方便管理AI搜索体验。

    来源 AI 产业速递
  13. Gemini上Mac可代操作电脑,Runway推270亿参数机器人模型

    本期重点包括Google向数亿用户免费开放Gemini Tasks,并在Mac端推出可代操作电脑的Computer use功能。Runway发布27B参数机器人世界模型Praxis-1,OpenAI开放GPT-Live-1.1语音API。此外,Cognition评测显示Gemini 4 Neon在代码任务上性价比突出,

    来源 AI 应用前沿
  14. 谷歌字节快手集体降价,AI视频进入分秒计价时代?

    (本文作者为 AIX财经,钛媒体经授权发布)文 | AIX财经,作者 | 王璐,编辑 | 魏佳AI视频行业正在靠近一个类似DeepSeek的时刻,模型能力差距收窄,价格被打到分/秒,创作者开始批量调用。11月初,谷歌把视频模型Gemini Omni 1.2 Flash转为正式版,不仅支持15秒视频生成和多轮对话式编辑等

    来源 腾讯网
  15. 《海外GEO白皮书》,Gemini 45% 的品牌推荐,连来源都没有

    这份 236 页白皮书由猎看科技、长安街知事、智源GEO、Dageno、京报智库联合发布,资料截至 2026 年 10 月 26 日。它不教怎么讨好算法,而是把「AI 怎么描述一个品牌」拆成五个能采样的环节,再用 1004.6 万条真实回答验证。最反直觉的一条在开篇:AI 说出了你的品牌,却可能一个来源都不给,这类回答

    来源 腾讯网
  16. 谷歌AI智能体改一处代码成功率翻8倍:Harness自我优化研究

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。在一项 SWE-

    来源 腾讯网
  17. 姚顺雨回清华姚班:大模型不拼指标赛马,RSI如何落到工程?

    11 月 18 日晚,腾讯首席 AI 科学家、混元大模型负责人姚顺雨回到母校清华大学交叉信息研究院(姚班),与本科同窗、清华交叉信息院助理教授吕凯风做了一场近距离的闭门问答交流。 作为姚班 2015 级校友与普林斯顿博士,姚顺雨曾参与提出将推理与行动结合的 ReAct 范式,是代码 Agent 评测基准 SWE-ben

    来源 AI 行业观察
  18. Edge AI Daily 早报(11月20日)

    Anthropic以83美元定价登陆纳斯达克,首日高开34%,估值约1.5万亿美元;亚马逊谷歌合计持股28.4%,算力承诺近9000亿美元。英伟达Q3营收1158亿美元,董事会接触Arm CEO哈斯接替黄仁勋。OpenAI因训练环境漏洞停训11天,亚利桑那调查AI代理访问银行;谷歌发布Gemini 4 Neon,苹果推

    来源 AI 行业观察
  19. 谷歌论文:光改提示词智能体成功率反降,改运行框架升至40%

    调教 AI 智能体,惯用手法是反复打磨提示词。谷歌 11 月 17 日发表的论文却给出反直觉结论:只改提示词,智能体成功率反而从 5% 跌到 2.5%;而让优化模型直接改写其运行框架,成功率冲到 40%,足足 8 倍。 142 行代码,拆成四块逐个改 Harness 指包裹在模型外围的运行框架,负责

    来源 AI 开发者社区
  20. 谷歌让AI自改运行框架:成功率由5%升至40%

    谷歌11月17日论文发现:只优化提示词,AI智能体成功率反从5%降至2.5%;而让优化模型直接改写其运行框架Harness,成功率升至40%,提升8倍。团队将仅142行的初始编程智能体拆成四块逐一改造,Harness负责上下文与记忆管理、多轮任务调度、工具调用及结果验证。结论是改框架比磨提示词更有效。

    来源 AI 产业速递
  21. 谷歌Genie 4开放API:每分钟约6美元,能边玩边改世界

    谷歌将“现场生成可玩世界”开放为API。11月19日,Genie 4面向开发者开放,经Gemini API多轮交互接口及AI Studio调用;前一日Project Genie已向AI Ultra用户解锁。输入文本、参考图或图文混合,即可生成720p、24fps可交互世界,环境音与对白同步生成,并嵌SynthID水印;

    来源 AI 产业速递
向下滚动自动加载更多