7.5
深览指数
科技量子位··AI 生成
谷歌开源RSI新成果！华人浓度爆表
谷歌开源了名为Harness²的递归自我改进（RSI）框架，让AI Agent能在运行时自动优化自身的代码、提示词和工具链。该框架通过双层递归架构——任务级改进循环与经验沉淀循环，解决了此前RSI在真实场景中“没有标准答案”和“过度拟合单次任务”两大死穴。在WorkBuddy-Bench等基准测试中，Harness²能使GLM-5模型得分飙升11.5分，甚至反超原生Gemini 3.5 Flash。文章详细介绍了其Propose-Probe-Compose机制与经验库，视角新颖，论证集中于技术机制与效果，适合对AI Agent前沿技术、系统架构有深度兴趣的读者。原文 ↗
核心观点
- ▍谷歌开源的新框架Harness²，通过双层递归架构，成功让AI Agent在运行时自主优化系统，克服了此前递归自我改进（RSI）因缺乏标准答案和过度拟合单次任务而失效的核心问题。
- ▍Harness²的核心价值在于将单次的任务级优化，通过改进级递归循环沉淀为跨领域的元能力，实现了从'修脚手架'到'学习如何改进脚手架能力'的跃迁。
- 01Harness²采用双层递归架构：第一层'任务级递归'包含Propose（提议修复方案）-Probe（运行对比实验）-Compose（合成有效改动）的三步机制来优化当前任务。
- 02第二层'改进级递归'包含反思模块，它将调试记录存入持续改进经验库（Harness Improvement Library），当新任务来临时，改进大脑可检索过往经验进行更有效的优化。
- 03在WorkBuddy-Bench基准上，套用Harness²后GLM-5模型在OpenCode下得分从64.2飙升至75.7，直接反超未优化的原生Gemini 3.5 Flash（72.4分）。
- 04在JobBench基准上，单步改进使GLM-5涨分3.6分；在法律基准LAB上，GLM-5通过率提升了11.8个百分点。并行预算k=5时，收益进一步提升。
- 05跨领域迁移测试显示，在JobBench积累的经验库直接用于WorkBuddy-Bench，无需额外探测即可带来办公场景+2.9分的提升。
- 06Harness²已全面开源，目前支持OpenCode和Codex两种执行脚手架。
- 07论文作者共有9位，华人占比约78%，其中一作Ruiyao Xu为美国西北大学博士生，该工作为谷歌实习期间成果。
反方 / 局限
- — 文章虽展示大幅涨分，但未提及在更长任务序列或更动态环境下，缺少标准答案的长期效果是否会退化，也未讨论元经验库的存储、检索成本以及潜在的记忆污染风险。
Harness²递归自我改进（RSI）WorkBuddy-BenchJobBenchLABGemini 3.5 FlashGLM-5OpenCodeCodexRuiyao XuYanfei ChenZoey CuiZhuGoogle Cloud AI Research
9 分钟 · 4 卡片 · 7 资料
读原文 →