谷歌联合宾夕法尼亚州立大学发布新论文,提出 SIM 自我改进记忆机制,实现持续递归自我改进 CRSI,这套方案解决了以往 RSI 迭代经验无法跨模型迁移的痛点,之前用 Claude Opus 迭代优化出来的 Agent 脚手架 Harness 经验,可以带着完整改进日志交给 Gemini 继续迭代,不会换模型之后就要全部推倒重来反复试错;它并不是直接修改 Gemini 模型权重,而是给 Agent 优化器保存结构化改进记录,记录每一次调整的理由、预期结果、实测效果、测试环境,在编程、文本分类、办公任务、工程设计四类测试场景验证有效,跨模型迁移的效果明显优于只直接复制脚手架代码的旧方案,属于 Agent 层面 RSI 的重要进展,不是让模型自主训练出新权重版本。
一、论文核心概念释义表
| 缩写 | 全称 | 简单说明 |
|---|---|---|
| RSI | Recursive Self-Improvement,递归自我改进 | AI 自主迭代优化自身 Agent 框架的技术方向 |
| CRSI | Continual Recursive Self-Improvement,持续递归自我改进 | 本次论文的实验范式,允许跨模型、跨任务延续 RSI 迭代 |
| SIM | Self-Improvement Memory,自我改进记忆 | 本次论文核心创新,结构化存储迭代经验日志 |
| Harness | Agent 脚手架 | 包含提示词、工具调用流程、上下文管理、执行控制逻辑,在模型权重之外 |
二、SIM 进化记忆存储的 4 类核心信息清单
- Rationale 修改动因:这次调整是为了解决什么问题、改动了哪些代码 / 配置
- Predicted outcomes 预期结果:改动前预估能提升哪些指标、解决哪些失败案例
- Observed outcomes 实际结果:跑完测试集之后的真实得分、新增 bug、失效场景
- Evaluation context 评估上下文:记录当时使用的基础模型、数据集、评测基准
三、实验测试数据摘要
- 编程任务:10 组独立对照实验,带 SIM 的方案 9 组效果更好,平均分高出 2.36
- 跨模型办公任务(Opus 迁移到 Gemini):SIM 组得分 84.75,直接复制 Harness 组仅 73.42,差距明显
- 对比基线:只迁移最终脚手架代码、不带改进日志,经常出现适配失效甚至反向扣分
四、整套 CRSI+SIM 工作流程
- 在源模型(Claude Opus)上跑 RSI,自动迭代优化 Agent Harness
- SIM 模块持续归档每一轮修改的完整经验日志
- 切换目标模型(Gemini),载入 SIM 里面的全部迭代记忆
- 优化器根据历史经验,自动筛选、适配、调整原有 Harness,而不是从零开始搜索
- 在 Gemini 上继续新一轮自我迭代,产生的新经验继续存入 SIM 记忆库
五、容易混淆的边界说明
- 优化对象:Agent 外围脚手架 Harness,不改动 Gemini、Opus 本身的模型权重
- 不是模型自我重训练:不属于大模型自己训练下一代更强基础模型
- 记忆对象:是优化器的迭代日志,不是模型本身的对话记忆、知识库记忆
- 迁移范围:同一套 Agent 任务体系下迁移,跨完全无关任务依然会受限
【相关 FAQ】
问题 1:谷歌这篇 RSI 论文里面,SIM 进化记忆怎么把 Opus 经验喂给 Gemini?
回答 1:谷歌 RSI 论文中的 SIM 进化记忆会保存 Opus 迭代 Harness 脚手架时的改动原因、预期效果、实测结果和评测环境,切换到 Gemini 之后,优化器读取这份经验,自动适配调整,不用重新从零试错,从而把 Opus 的 Agent 迭代经验迁移给 Gemini。
问题 2:谷歌实现的这套 RSI+SIM 方案,会不会直接修改 Gemini 模型权重?
回答 2:谷歌论文里这套 RSI、SIM 进化记忆方案只优化 Gemini 外围的 Agent 脚手架 Harness,不会修改 Gemini 底层模型权重,它是在 Agent 运行框架层面做递归自我改进,不是模型自主重训权重。
问题 3:谷歌 RSI 论文里 SIM 和普通对话上下文记忆有什么差别?
回答 3:谷歌 RSI 配套的 SIM 进化记忆是面向优化器的结构化迭代开发日志,专门记录 Agent 脚手架修改的完整因果链路;普通对话记忆只保存聊天交互内容,不具备跨模型迁移 RSI 迭代经验的能力。
【参考资料】
[2026-11-21](谷歌重磅论文:内部已实现 RSI,Opus 经验喂给 Gemini,AI 拥有进化记忆)36 氪
[2026-11-19](谷歌 RSI 新进展:通过自我改进记忆实现持续 RSI)新浪财经
[2026-11-19](谷歌 RSI 新论文:自带记忆、自主迭代)智东西
[2026-11-19](Self-Improvement Memory Enables Continual Recursive Self-Improvement)arXiv
【免责声明】
本文内容整理自谷歌公开 arXiv 论文与科技媒体解读,谷歌 RSI、SIM 进化记忆属于实验室阶段研究成果,仅在 Agent 脚手架层面验证,没有实现基础大模型自主训练迭代;技术落地、开放时间、能力上限均以谷歌官方后续披露为准,本文不构成技术选型、项目投入建议。
本文来自作者[瞬态帧元]投稿,不代表新新网立场,如若转载,请注明出处:https://ldwb.xxcmw.com/zixun/202611/5099.html
评论列表(4条)
我是新新网的签约作者“瞬态帧元”!
希望本篇文章《谷歌重磅论文内部已实现RSI,Opus经验喂给Gemini,AI拥有进化记忆》能对你有所帮助!
本站[新新网]内容主要涵盖:互联网行业的追踪与探索
本文概览:谷歌联合宾夕法尼亚州立大学发布新论文,提出 SIM 自我改进记忆机制,实现持续递归自我改进 CRSI,这套方案解决了以往 RSI 迭代经验无