Google CRSI 论文原文:SIM 记忆使跨模型自改进平均提升 2.36 分
kimmonismus · x · 2026-11-18
kimmonismus 补上此前讨论的 Google 论文 arXiv 原文《Self-Improvement Memory Enables Continual Recursive Self-Improvement》(arXiv:2611.18856,Google Cloud AI 与 DeepMind 合作):
- 问题设定:harness 优化通常固定策略模型和基准;一旦模型或基准更换,仅凭 harness 本身无法解释此前改动为何有效。作者提出 CRSI(持续递归自改进) 这一设定
- 方法 SIM:为 harness 优化器(而非任务求解策略)建立自改进记忆,按反复出现的问题分组记录改动的理由、预测与实际结果、评估上下文,随优化持续累积
- 结果:跨四个领域,SIM 在跨数据集和跨模型配对比较中均优于仅继承 harness 或仅记录根因的延续方式;编程任务 10 次独立源运行中,配对延续平均提升 2.36 分(p=0.003)
这条是对上一条推荐帖的原文补充,证明与数据一致。
所属事件:谷歌论文提出自改进记忆 SIM,让 Agent 框架跨模型持续进化(8 条相关)→
「研究」频道最新
- CADMAGEDDON:单卡本地方言重建可编辑 CAD,超前沿模型 — Oleg Pavlov · 2026-11-18
- MillBill:本地中型模型生成数控加工程序,超越前沿模型 — Gennadii Savrasov · 2026-11-18
- DeepMind 老将 Ryutaro Tanno 转任 Pathos 首席 AI 官 — davidstutz92 · 2026-11-18
- VRST 2027 将采用三地分布式会议:美欧亚各设一个会场 — plopesresearch · 2026-11-18
- 合成生物单次连续生命实验:学会食物在哪而非食物是什么 — DesignEddi · 2026-11-18
- 决策模型跑分:比 LLM 生成 JSON 快 2.7-3.6 倍 — mervenoyann · 2026-11-18