Google/宾州州立论文:为 Harness 优化器加记忆,跨模型迁移平均提升 2.36 分
rohanpaul_ai · x · 2026-11-18
Google 与宾州州立大学的 arXiv 论文研究「持续递归自我改进」(CRSI):当策略模型或基准切换时,让 LLM 重写 Agent harness(运行 prompt 和工具的代码)的优化器如何延续既有改进。提出 Self-Improvement Memory(SIM):按反复出现的 harness 问题分组编辑,记录每处修改的理由、预测与实际结果、评估上下文,随优化持续扩展历史。实验覆盖四个领域,SIM 在跨数据集和跨模型对比中均优于仅 harness 与仅根因的延续方式;在编码领域的十次独立源运行中,配对延续平均提升最终分数 2.36 分(p=0.003)。
「编程与Agent」频道最新
- Google 提出自改进记忆 SIM,跨模型迁移 agent harness 提升 16 分 — rohanpaul_ai · 2026-11-18
- 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
- 个人上下文层产品 Second 发布,a16z 领投 1000 万美元种子轮 — kenziyuliu · 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