谷歌RSI新进展:通过自我改进记忆实现AI Agent执行系统的RSI
自我改进记忆,Self-Improvement Memory(SIM),为 Harness优化器增加一套结构化记忆
Coding Agent的能力不仅取决于底层模型,还取决于 Harness,现已有让AI自动优化Harness的方法,但有一个问题,比如一套专门针对Claude优化的Harness换成其他模型后,原来有效的修改可能失效,甚至性能下降
SIM就是让换模型、换任务后,Harness无需从头优化,过去的改进经验可以继承、并且继续演化
效果上,从Claude Opus 5.5切换到Gemini 3.8 Flash,完整SIM在四个测试领域均优于只继承Harness,最高领先11.33分
SIM会围绕Harness的问题保存:发现了什么问题,为什么需要修改改了哪些组件,预期解决什么问题实际效果如何,有没有产生性能退化在什么模型、任务和测试条件下有效
当模型或任务变化时,优化器可以利用这些历史记录决定哪些修改应该保留、调整、替换或者删除
重要的是,这套记忆会随着后续优化持续更新,新一轮的修改和测试结果又会成为下一轮优化的依据
他们把这种跨模型、跨任务继续优化Harness的过程称为CRSI
当然,目前实验仍要求Harness接口兼容,部分设定只有单次优化实验,不能认为它已经实现了无限制的自主进化
主页:网页链接
SelfImprovementMemoryRSIAgentMemoryAI自我改进
