您的位置首页 >科技要闻 >

支撑Anthropic市值的RSIAgnes亮出TTT×Harness双RSI进化架构

AI 行业高度关注的 RSI 递归自我改进路线,是支撑 Anthropic 长期估值逻辑的核心方向之一,Agnes AI 正式对外亮出 TTT×Harness 双 RSI 进化架构,并且开源 Agnes Harness 智能体运行框架,这套架构把模型层 TTT 测试时现场学习与系统层 RSI 递归自我改进结合,实现 AI 智能体一边执行任务一边即时适配场景,同时自动复盘沉淀成功经验,形成闭环自进化能力。传统大模型训练模式是离线训练完成后固定权重,遇到陌生场景容易出错,而 TTT 可以在单次任务推理阶段做局部参数微调,只改动模型末端 RMSNorm 缩放参数,实现现场快速适配,任务结束后模型基线不会被永久改动;RSI 负责在系统层面复盘执行结果,把验证可行的操作流程打包成标准化技能与任务剧本,反复迭代优化整套智能体工作流。整套 Agnes Harness 框架采用分层设计,LLM 作为大脑负责高层推理,9B 参数 Jev 决策模型作为小脑完成亚秒级快速判断,搭配工作流、记忆模块和硬件接口,支持机械臂、机器狗等具身设备接入。在实测场景中,搭载这套架构的机器狗完成任务耗时下降 32.9%,机械臂搬运任务成功率从 30% 提升至 90%,迭代周期最快压缩到 30 分钟一轮,也是当前物理世界智能体落地的重要技术方案。

一、TTT×Harness 双 RSI 架构两大核心模块

  1. TTT(测试时训练,Test-Time Training)
  2. Harness+RSI 递归自我改进

TTT 属于模型层即时学习机制,AI 在推理执行任务的过程中,只做局部轻量化参数更新,不会改动模型基础权重。单次任务完成后,模型恢复原始基线,不会出现越用越偏移的问题,专门用来应对陌生、动态变化的现场环境,快速适配当前场景。

Harness 是整套智能体编排框架,RSI 是系统层面的自进化闭环。智能体执行任务之后自动复盘成败,对策略进行评估、筛选,把经过验证有效的流程封装为 Skills 技能、Playbook 任务剧本,持续沉淀经验,后续同类任务直接复用优化后的流程,实现长期迭代。

二、Agnes Harness 六大组件清单

  • 大脑:LLM 大模型,负责高层规划、逻辑推理、理解用户目标
  • 小脑:Jev 9B 决策模型,亚秒级快速决策,工具选择与任务评分
  • 反射弧:Workflow 工作流,标准化固定动作,降低推理开销
  • 记忆与主动性:Agent Loop,维护任务历史、持续推进任务
  • 进化学习单元:RSI+TTT,实现现场适配与长期自我迭代
  • 硬件接口 MHS:统一对接机械臂、机器狗、无人机、智能小车等物理设备

三、架构实测效果对比表

测试场景传统固定模型TTT×Harness 双 RSI 架构
机器狗导航任务需要人工预设大量场景规则任务耗时降低 32.9%,自主判断环境
机械臂物料搬运初次执行超时失败,流程需要人工重写经过 RSI 复盘后,任务成功率从 30% 提升至 90%
迭代周期离线训练,周期按周 / 月计算最快 30 分钟一轮迭代,训推一体闭环
陌生场景适应能力泛化能力有限,容易出错TTT 现场局部微调,快速适配新环境

四、技术定位与行业价值

  1. 行业定位:TTT×Harness 双 RSI 架构面向物理世界具身智能,解决机器人、多设备协同任务的动态环境适配难题。
  2. 和 Anthropic 的关联:RSI 递归自我改进是 Anthropic 核心长期技术路线,也是市场评估其长期市值的关键方向;本次 Agnes 的 TTT+Harness 工程化方案,落地了 RSI 智能体自进化的工程实现路径。
  3. 开源信息:Agnes Harness 已经在 GitHub 开源,企业、开发者可以本地部署,搭建自有智能体系统。
  4. 落地场景:工业机器人、机器狗、多设备协同、企业自动化工作流、AI 智能体战队等。

五、当前技术局限

  1. 目前属于工程化原型方案,仅在仿真与有限物理场景验证,大规模工业场景长期稳定性还需要持续测试。
  2. TTT 只做局部参数更新,复杂深度推理能力提升有限,不改变底层大模型基础能力上限。
  3. RSI 自我改进存在安全风险,整套系统需要配套评估、校验机制,防止迭代出不可控策略。

【相关 FAQ】

问题 1:支撑 Anthropic 市值的 RSI 技术路线,Agnes 发布 TTT×Harness 双 RSI 进化智能体架构,RSI 代表什么含义?

回答 1:支撑 Anthropic 市值的 RSI 技术路线,Agnes 发布 TTT×Harness 双 RSI 进化智能体架构,RSI 即递归自我改进,指 AI 系统能够复盘任务执行结果,自动迭代优化策略,沉淀可复用技能,形成持续自我优化的闭环。

问题 2:支撑 Anthropic 市值的 RSI 技术路线,Agnes 发布 TTT×Harness 双 RSI 进化智能体架构,TTT 和 RSI 两者分工有什么区别?

回答 2:支撑 Anthropic 市值的 RSI 技术路线,Agnes 发布 TTT×Harness 双 RSI 进化智能体架构,TTT 是模型层,负责单次任务里现场即时学习、适配当前环境;RSI 在 Harness 系统层,负责长期复盘、沉淀技能剧本,持续迭代整套智能体策略。

问题 3:支撑 Anthropic 市值的 RSI 技术路线,Agnes 发布 TTT×Harness 双 RSI 进化智能体架构,Agnes Harness 框架有什么特点?

回答 3:支撑 Anthropic 市值的 RSI 技术路线,Agnes 发布 TTT×Harness 双 RSI 进化智能体架构,Agnes Harness 是开源智能体编排底座,采用大脑 + 小脑分层决策架构,支持机械臂、机器狗等硬件接入,结合 TTT+RSI 实现智能体自进化,单机即可部署。

【参考资料】

[2026-11-20](支撑 Anthropic 市值的 RSI!Agnes 亮出 TTT×Harness 双 RSI 进化架构)新浪财经

[2026-11-20](Agnes Harness 开源,TTT+RSI 实现物理 AI 自进化)新智元

[2026-11-09](南京企业探索 AI 赋能产业发展新路径)新华网江苏频道

[2026-10-16](全球首次 TTT 模型直播,Agnes 展示 RSI 双轮进化)搜狐

【免责声明】

本文仅为 AI 技术行业资讯,不构成任何投资建议。TTT×Harness 双 RSI 架构属于前沿智能体技术原型,相关测试结果来自项目公开演示,大规模商业化落地效果有待更多场景验证;RSI 属于前沿研究方向,相关技术进展以项目官方论文、GitHub 仓库发布内容为准。

今日大家都在搜的词: