谷歌DeepMind提出SIM方法,让AI自我改进经验跨模型迁移

智东西 · wechat · 2026-11-19

据智东西报道,谷歌云AI、谷歌DeepMind与宾州州立大学团队发布论文《Self-Improvement Memory Enables Continual Recursive Self-Improvement》,提出自我改进记忆(SIM)方法。此前递归自我改进(RSI)只保存修改后的Harness代码,换模型或换任务后经验就丢失;SIM额外记录每次修改的原因、预期与实际效果,像一本可检索的实验记录本,让优化经验跨模型、跨任务延续。

实验结果:10组独立编程对照实验中引入SIM的方案9组更好,平均领先2.36分(p=0.003);跨模型测试中,为Claude优化的Harness迁移到Gemini后,引入SIM的方案在全部4个领域得分最高,办公任务上从68.41分提升至84.75分,比无SIM方案多11.33分。不过继承经验并非总是占优,在Gemini 4 Argon上反而落后0.8分。

值得注意的是,研究中大模型权重始终不变,AI改进的是外部运行框架而非模型本身。第一作者Xin Yu 2023年毕业于南开大学统计学专业,现为宾州州立大学博士生,论文完成于谷歌实习期间。

原文链接 →

「漫话AGI」频道最新

更多「漫话AGI」频道 AI 资讯 →