Google 提出 RRSI：冻结模型下正则化改进 Agent Harness
先了解这件事
Google Cloud AI Research 联合 UNC-Chapel Hill、Stanford 和圣路易斯华盛顿大学提出 RRSI（Regularized Recursive Self-Improvement），让 LLM 智能体在不改动模型权重的前提下改写自身 harness 的提示词、工具、记忆、控制流和子智能体。研究称，针对固定演进集进化 harness 虽有效，但会过拟合：分布内的大幅收益在分布外会缩水甚至消失；RRSI 通过保持编辑空间开放、对搜索轨迹加正则化，并用逐步收缩的编辑预算和严格 critic 审查来抑制对测试任务的记忆。 论文以 Claude Opus 4.8 为底层模型并全程冻结，作者指出研究只覆盖冻结模型上的 harness，不涉及模型权重改变的情形。项目页与论文于 2026 年 9 月 21 日发布，代码在 google-research 仓库；MarkTechPost 随后发布教程，只驱动其中决定保留哪些编辑的纯 Python 规则部分，并接入自建模拟环境做 ground truth 审计。
AI 根据报道生成 · 7 天前更新
事件进展
2 个进展
- 10月9日 13:06 · 1 篇报道RRSI 自改进代理教程MarkTechPost：MarkTechPost 教程拆解 Google Research 的 RRSI：在离线模拟环境中掌握自改进 AI 智能体的编辑保留规则
- 9月29日 17:01 · 3 篇报道RRSI：面向 Agent Harness 的正则化递归自我改进The Decoder：AI News：Google 研究提出 RRSI，防止自改进智能体记忆测试任务
报道时间线
沿着报道，了解事件的不同侧面。
- MarkTechPostMarkTechPost 教程拆解 Google Research 的 RRSI：在离线模拟环境中掌握自改进 AI 智能体的编辑保留规则
MarkTechPost 发布教程，从 google-research 仓库安装 RRSI（Regularized Recursive Self-Improvement），只驱动其决定保留哪些编辑的纯 Python 规则部分，并接入自建模拟 agent 环境做 ground truth 审计。
- The Decoder：AI NewsGoogle 研究提出 RRSI，防止自改进智能体记忆测试任务
Google 研究人员提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），用逐步收缩的编辑预算和严格 critic 审查，抑制语言模型反复改写智能体 harness 时对测试任务的记忆。
- Rohan PaulGoogle 发布 RRSI 框架，围绕冻结模型自动进化 LLM Agent harness
Google 发布 Regularized Recursive Self-Improvement of Agent Harnesses（RRSI），一个自动进化 LLM agent harness 的框架。RRSI 在冻结 LLM 周围自动演进 harness 的全部 prompt、控制流、工具和记忆组件。论文指出对固定演进集进化 harness 虽有效但会过拟合，分布内的大幅收益在分布外会缩水或消失，RRSI 通过保持编辑空间开放并对搜索轨迹加正则化来解决。项目页与论文已于 09/21/2026 发布。
- MarkTechPostGoogle Research 开源 RRSI：智能体在模型权重冻结下自我改进 harness 并避免过拟合
Google Cloud AI Research 联合 UNC-Chapel Hill、Stanford 和圣路易斯华盛顿大学发布 RRSI（Regularized Recursive Self-Improvement），让 LLM 智能体在不改动模型权重的情况下改写自身 harness 的提示词、工具、记忆、控制流和子智能体。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 810月9日 21:00
- 近 24 小时变化
- -50%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。