Google 开源 RRSI:Agent 自动迭代自身框架,Terminal-Bench 提至 80.2%
sudoraohacker · x · 2026-09-29
Google Research 开源 RRSI(Regularized Recursive Self-Improvement),让 Agent 在模型参数冻结的前提下自动改进自己的 harness——提示词、控制流、工具、记忆与上下文管理,并用评测决定哪些修改值得保留。
针对 harness 自进化常见的过拟合问题(在训练任务集上大涨、出分布就失效),RRSI 在提案与筛选两侧加了约束:
- 提案侧:退火预算限制单次候选可捆绑的独立修改数;proposer 以完整修改历史为条件,避免重提已证伪的假设;停滞时引导向未覆盖的组件探索
- 筛选侧:critic 在评测前筛查针对测试集的特化逻辑;收益须超过评测噪声;清理不再有效的组件
据项目报告,固定 Claude Opus 4.8,Terminal-Bench 2.1 从 74.2% 升至 80.2%;未参与迭代筛选的 SWE-bench Verified 从 82.0% 升至 83.8%。项目已附论文与项目页,实际收益仍需在自己任务上验证。
所属事件:Google 开源 RRSI:冻结参数下 Agent 递归自我改进(2 条相关)→
「编程与Agent」频道最新
- McGill-NLP 发布 WebArena-Pro:20 个应用 300 任务的多模态 Web Agent 基准 — McGill-NLP · 2026-11-16
- Continual-ARC:终身任务流测智能体技能习得,多数 harness 不敌简单缓存 — unifyai · 2026-11-16
- Filmworkbench v0.1.2:一条 prompt 让 LLM 自动拍出 3 分钟短片 — Eastern-Ad9515 · 2026-11-16
- 分类路由别再让 LLM 生成 JSON:PowerShell 老兵用决策模型一行搞定 — dfinke · 2026-11-16
- llama.cpp 用 HF Buckets 与 HF Jobs 重构 CI,应对日均 35 个 PR 的压力 — ggerganov · 2026-11-16
- 用决策日志取代每周 30 分钟站会:agent 每次运行前必读 — Humaux · 2026-11-16