Google 提出正则化递归自我改进 RRSI,分布外成绩平均高出 3.3 分
jiqizhixin · x · 2026-10-13
机器之心转发 Google 与合作者的新研究 RRSI(Regularized Recursive Self-Improvement),针对递归自我改进(RSI)的核心隐患:智能体可能记忆基准特有模式、把随机噪声当进步、或堆砌 prompt/context/控制逻辑,用更多测试时算力换取 evolve 集上的微小提升。
RRSI 在自我改进循环中加入正则化,使 evolve 集上的收益能真正迁移到分布外(OOD):
- 提案端正则化:退火式更新稀疏度(更新预算随轮次递减)、基于完整历史的证据感知信用分配、停滞时转向未探索组件的结构化探索
- 选择端正则化:泄漏筛查(拒绝基准特定逻辑)、噪声调整的性能下限(排除可被评估噪声解释的收益)、复杂度感知接受(Ridge/L2 风格)、结构剪枝(Lasso/L1 风格)
效果:在三个完全 held-out 的 OOD 基准上,无正则化演化平均仅 40.3 分,RRSI 达 43.6 分(+3.3),峰值 OOD 提升达 +4.7,所有 held-out 切分均有改善;编码方面,在 Terminal-Bench 2.1 上演化的 harness 从 82.0 升至 83.8。
「编程与Agent」频道最新
- Cloudflare MCP Server 可实时推送 Workers 问题给智能体 — irvinebroque · 2026-10-13
- Simulithic 推出真实环境验证：并行千台 VM 模拟用户抓 coding agent 漏掉的 bug — jia_seed · 2026-10-13
- Agent 报告“已完成”但邮件没发出：先定义 done 再委派任务 — Mahmoud_Zalt · 2026-10-13
- 「Claude 是我的 CTO」?资深工程师反驳:懂架构比以前更重要 — MartinGTobias · 2026-10-13
- 开发者晒编程环境配置：GPT 6.1 high 加 Codex 编排组合 — reach_vb · 2026-10-13
- 一条超长 Prompt 生成 3D 开放世界游戏《Echo Isle》 — minchoi · 2026-10-13