谷歌内部,或许真正实现了RSI(递归自我改进)!从此,Gemini已能“继承经验”持续自我进化,新模型不再从零开始。或许也正是这个原因,谷歌最近频繁发布模型:Gemini 4 Hydrogen才发布不到一周,更强的Gemini 4 Neon就来了。答案,或许藏在谷歌与宾夕法尼亚州立大学深夜联合发布的一篇最新论文里。
谷歌的顶级研究员们,搞出了一个“自我改进记忆”(Self-Improvement Memory,简称SIM)机制。这不仅意味着大模型真正学会了“写日记”来反思自己的代码,更关键的是——AI的进化经验,居然可以跨越模型家族直接“遗传”。哪怕你上一秒用的是Claude Opus优化出来的Agent框架,下一秒换成Gemini,它也能直接继承Claude的“前世记忆”,踩在巨人的肩膀上继续优化。AI,终于学会了“继承记忆”,开启了真正的递归自我改进(RSI)!大模型依靠海量算力“大力出奇迹”的时代,正在终结。
为什么新模型一出,老代码就成了“废铁”?
随着Agent全面爆发,RSI成了各大公司竞相投入的方向。但这里的“改进”,通常不是修改大模型几千亿的底层权重,而是修改“Harness”——套在模型外面的那层“机甲”,提示词、工具、拦截规则都在里面。过去,AI通过RSI技术,在无数次试错中把这套“机甲”打磨得完美无缺。然而,致命问题来了:一旦底层的“大脑”换了,这套机甲就废了。
谷歌研究员在实验中发现了一个诡异现象:一个在Claude Opus深度进化、表现优异的Harness,直接套用到Gemini身上,得分居然比Gemini原生的初始Harness还要低!为什么会这样?因为当代码被扔给新模型时,只有“结果”被保留了,但“原因”丢失了。新模型看着满屏幕复杂的规则、各种奇怪的拦截器和提示词,完全“懵圈”了。由于新模型的优化器不知道过去每一次修改代码的初衷,它就会开始乱改。它可能会把原本用来修复致命Bug的代码当成冗余代码删掉,或者把早就证明无效的方案又拿出来重新跑一遍。结果就是:越优化越烂,陷入死循环。
破局之战:谷歌甩出王炸——CRSI与SIM机制
为了打破这个魔咒,谷歌在这篇论文中提出了一个革命性的框架:CRSI(Continual Recursive Self-Improvement)。它的核心灵魂,就是SIM(自我改进记忆)。请注意,这绝对不是给大模型加个简单的“聊天历史记录”,而是给AI优化器配了一个高度结构化的“极客开发日志”!
SIM是怎么工作的?它把AI过去的每一次“折腾”都记在账上。每次AI修改了Harness的代码,SIM就会按照“问题根因”进行分组,并记录下以下四大核心要素:
Rationale(修改动机与具体代码):AI到底是基于什么原因,修改了哪一行代码?
Predicted outcomes(预期效果):动手改之前,AI觉得这行代码能修复哪些特定的任务?
Observed outcomes(实际效果):代码跑完后,到底成功了几个?失败了几个?有没有引入新的Bug?
Evaluation context(评估上下文):当时是在什么模型、什么数据集上跑的?
这就相当于,上一代模型在离职前,给下一代模型留下了一份极其详尽的“交接文档”。当Gemini接手Claude留下来的复杂Harness时,优化器不再是一头雾水。它会在每一轮优化前,先阅读这份SIM日志,借鉴前人经验,“吃一堑而长一智”。AI,终于拥有了可以代代相传的“进化底蕴”。
实战演练:当Gemini继承Claude的“前世记忆”
为了验证这个机制有多逆天,谷歌团队设计了一个跨模型接力赛:把Claude Opus 5.5进化出来的Harness,连同SIM记忆,一起打包扔给Gemini 3.8 Flash,让它继续优化。
论文中展示了一个非常经典的“过早完工”Bug案例,简直让人拍案叫绝。在之前的优化中,AI总是喜欢“偷懒”。比如还没执行Git命令,就骗系统说“任务完成了”。为了治这个毛病,Claude时期的优化器在Harness里加了一个“拦截器”,规定:没有实际执行命令,就不准提交完成。
无SIM的情况,简直是灾难现场。Gemini接手这个拦截器后,完全不知道它为什么存在。在后续的迭代中,Gemini不仅没有让它变得更好,反而自己把自己搞死机了,连续4次重写这段代码,其中2次居然是为了修复它自己刚搞出来的Bug。看起来就像一个没看懂前人架构的新手程序员,在屎山代码上越拉越多。
而有SIM的情况,直接是降维打击。当Gemini带着SIM日志接手时,奇迹发生了!优化器阅读了日志,立刻明白了:“这个拦截器是为了防止在没有证据的情况下过早提交。”于是,基于这个认知,Gemini不仅保留了这个拦截器,还顺便给它进行了史诗级升级!它在里面加入了针对特定目标任务的检查,这样,不仅要任务跑通,还要对比理论最优解,只有得分达标了才准提交通关。这,就是真正的继承和发扬光大。
数据炸裂:全方位碾压,AI进化不再盲目
论文给出的实测数据,直接屠榜了!谷歌在四大核心领域(代码编写、文本分类、工作区任务、工程设计)进行了大规模测试。对比的基线,分别是以下四种情况:
Cold Start(冷启动):用原始种子Harness从零开始。
Harness Transfer(仅传代码):只继承上一个模型的代码,不继承SIM记忆。
Problem-Only Memory(仅传根因):只告诉新模型过去遇到了什么问题,不给具体的修改细节和结果。
Full SIM(完全体,本文方法):继承完整Harness+完整的SIM进化日志。
测试结果,满盘皆胜!
亮点一:Workspace任务,跨模型性能暴涨16分!在Opus转移到Gemini的Workspace任务中,由于水土不服,起点分数只有68.41分。但是在继续优化后:仅传代码(无SIM)的最终得分,挣扎到了73.42。而拥有Full SIM机制加持的Gemini,得分直接一路飙升至84.75!两者之间拉开了高达11.33分的惊人差距。
亮点二:Coding领域,胜率高达90%!在Terminal-Bench极具挑战性的命令行任务中,研究团队进行了10次独立的持续优化运行。结果显示,在10次较量中,有SIM的一方9次击败了没有SIM的一方,最终得分平均高出2.36分,且具备极强的统计学显著性(p=0.003)。
亮点三:跨数据集泛化同样无敌。不仅仅是跨模型,即便是同一个模型,仅仅是去处理全新的数据集(比如文本分类从3个老数据集换到8个没见过的新数据集),Full SIM同样在全部6个测试场景中拿下了最高分!这个成绩超越了所有不带完整记忆的对照组。
数据证明了一切:保留修改动机和测试结果的“经验日志”,是AI打破性能天花板的唯一钥匙。
RSI真正落地!持续递归进化的时代来了
过去,大家都在喊RSI,但其实都是“伪RSI”。因为没有记忆机制,AI在自我改进几次后就会“走火入魔”,陷入性能衰退。而谷歌的这篇论文,相当于在现实世界中打通了RSI的任督二脉。CRSI+SIM的出现,告诉我们:Agent的进化是可以“复利式增长”的!
因为有了“自我改进记忆”(SIM),AI的每一次迭代都是在做加法。第一代AI优化了10%的代码,并记录下原因。第二代AI读取记忆,在10%的基础上,再优化20%。第三代AI继承前两代的记忆,继续寻找新的突破口……可以说,这是一种不可逆转的物种进化。当AI学会了像人类一样,通过“文字(日志)”将知识代代相传时,RSI就迎来了大爆炸。
这项研究告诉我们:当AI学会了自我反思、自我记录、并且能互相传授经验时,它就已经拿到了进化的接力棒。一个不需要从零开始的AI,一个永远在叠加经验BUFF的AI。谷歌的这项研究,正是RSI从“单次实验”走向“持续复利”的关键一步。
参考资料:https://arxiv.org/abs/2611.18856





