Google 提出自改进记忆 SIM,跨模型迁移 agent harness 提升 16 分
rohanpaul_ai · x · 2026-11-18
Google 与 Penn State 论文提出「持续递归自改进」(CRSI)设定与 Self-Improvement Memory(SIM)方法,解决 agent harness(运行 prompt 与工具的代码)在换模型或换基准后性能回落的问题。
- 核心思路:由优化器(而非任务策略模型)维护 SIM 日志,记录每次 harness 修改针对的问题、修改理由、预期与实测结果;换到新模型/新任务时,优化器读日志决定哪些旧修改保留、哪些重做
- 效果:Opus 演化出的 harness 迁移到 Gemini 3.8 Flash 的 workspace 任务时,得分从 68.41 提升到 84.75(不用日志仅 73.42)
- 稳定性:10 次重复编码实验中 SIM 9 次领先,平均多 2.36 分(p=0.003)
论文编号 arXiv:2611.18856,覆盖编码、文本分类、workspace、工程四个领域。
「编程与Agent」频道最新
- Netlify CLI 27.18.0 弃用明文存储,登录令牌改存系统密钥链 — jasonkneen · 2026-11-18
- Neon MCP 日活已是其 CLI 两倍,用户正涌向 MCP 入口 — JensHonack · 2026-11-18
- OpenAI 工程师在 QCon 分享:用 Agent 集群把 Spark 升级变「无聊」 — AdiPolak · 2026-11-18
- YC 系创业公司推出 Agent 数据市场:100+ 数据源按次付费 — ycombinator · 2026-11-18
- Replit CEO 介绍 Missions:预算内完成目标的 Agent 集群框架 — amasad · 2026-11-18
- OpenAI 员工称愿每月多付 20 美元,换 agent 自动读取推文 API — willdepue · 2026-11-18