Google 提出 GUARD:冻结基座模型让 Agent 自改 harness,准确率提 8.89 分
omarsar0 · x · 2026-11-19
Google Cloud 团队发布论文《GUARD: Stabilizing Recursive Self-Improvement with Regret Guidance》,针对自改进 agent harness 的常见顽疾——局部过拟合、灾难性遗忘、记忆污染——提出闭环方案。
核心思路
- 基座模型保持冻结,agent 自主编辑自己的 prompts、skills、工具规则与记忆;
- 每个任务拆解为执行前的自检项(self-checks),每轮按这些检查项评估轨迹,用 directional regret 定位「这次编辑新破坏了什么」而非笼统打分;
- 已掌握的规则被固定(pin),优先修复新破坏的行为;多个候选编辑用 critic-free 组间相对适应度评选;Soft-HURT 门控保证只有收益大于破坏的编辑才被采纳。
关键结果
- 43 个 hosted SDK 任务上准确率达 80.80%,比初始 harness 高 8.89 分(p=0.008);
- 比 Meta-Harness 高 6.28 分,且每任务 token 消耗少 54.5%;
- 程序性记忆任务上更新正确率 90.1%,零记忆污染;而激进重写策略成绩相近但污染翻了三倍;
- 在持续任务流上每块都单调提升,零掉分、零遗忘。
测试时只需单个冻结 harness 一次前向,无需外部评分器,是在离线权重强化学习难落地场景下的实用 RSI 路线。
「编程与Agent」频道最新
- 苹果 iWork 全家桶接入 MCP:Pages、Numbers、Keynote 可被外部 LLM 控制 — dsp_ · 2026-11-19
- Anthropic 工程师公开 Claude Code SDK 加 GitHub Actions 工作流教程 — aftahi_ai · 2026-11-19
- Snowflake 官方 Cortex AI 入门 Notebook 开源,SQL 里直调 OpenAI 模型 — adnan_hashmi · 2026-11-19
- 长文:Agent 开发痴迷刷榜,用户成了被遗忘的配角 — tokenbender · 2026-11-19
- 微软开源 openclaw-dev:一条命令在 Azure 部署常驻 AI 助手 — adnan_hashmi · 2026-11-19
- 用 Claude 和即梦 CLI 制作 6 分 46 秒哈勃纪录短片 — xiaohu · 2026-11-19