谷歌提出自我改进记忆系统,让 Agent 框架跨模型持续进化
omarsar0 · x · 2026-11-17
Google(Cloud AI / DeepMind / Cloud AI Research)发布论文《Self-Improvement Memory Enables Continual Recursive Self-Improvement》,研究当策略模型或 benchmark 变化时,如何让递归自我改进(RSI)进化出的 agent harness 继续可用。
核心思路
- 提出 CRSI(持续递归自我改进)设定:把已进化的 harness 迁移到兼容的新数据集或新模型上继续优化。
- 关键组件 Self-Improvement Memory(SIM):按 harness 问题类型归类历史修改,每条修改记录动机、预测结果、实际观察结果和评估上下文,优化器的 proposer 和 selector 在决策前都会读取。
实验结果
- 在编码任务的 10 次独立源实验中,带 SIM 的续跑有 9 次得到改进,平均比纯 harness 续跑高 2.36 分(p=0.003)。
- 暴露跨模型迁移的痛点:Opus 进化出的 harness 直接拿到 Gemini 上开局仅 68.41,低于原始 seed harness 的 73.89;SIM 能显著缩小并反超该差距。
作者强调:trace 数据和结构化、自适应的持久记忆系统是 harness 层自我改进的关键。
「编程与Agent」频道最新
- Google 论文 EfficientSkill:两阶段裁剪 agent 技能,输出 token 最多省 80% — dair_ai · 2026-11-17
- YouArt 推出最便宜 Seedance MCP:每秒 0.0918 美元,低于成本售卖 — nikola_mr64990 · 2026-11-17
- 用 AI Agent 优化 CompCert:形式验证编译器追赶 gcc -O2 的 28% 性能差距 — OfirPress · 2026-11-17
- HF 实战指南:不等官方集成,用 Modular Diffusers 跑任意新模型 — RisingSayak · 2026-11-17
- 开源 Weight-Space Repair CLI:让 agent 自动做权重级模型修复 — Top_Speaker_7785 · 2026-11-17
- 开源在线 LaTeX 编辑器 lattedit:浏览器直编译,专为 AI Agent 留了 API — cneuralnetwork · 2026-11-17