The Trinity 提出了一套全新的多模态递归自我改进（RSI）框架，核心改动就是不再让智能体围绕一个个独立任务去迭代优化，改成以底层通用能力作为进化单元，把不同表层任务背后相通的能力抽出来，搭建层级化能力树，搭配 Creator、Explorer、Evolver 三大角色自动生成仿真环境、演化可复用的 Harness 模块，基座大模型权重甚至可以保持冻结，只优化外层调度和工具流程，在训练集、未见过的新任务上都拿到稳定提升，解决传统 RSI 越堆任务越容易过拟合、人工搭建验证环境成本太高的痛点。
传统任务导向 RSI 的两大短板
- 任务之间能力没法沉淀复用
- 人工维护环境和 Harness 压力巨大
如果按任务分类迭代，相似底层逻辑的图文、机器人、代码任务会分开训练，智能体学会的技巧很难跨场景迁移，新增一类任务就要重新设计整套流程。
多模态、具身机器人任务需要大量可验证仿真环境，提示词、工具调用、执行流程也就是 Harness，靠人手工迭代跟不上任务爆发式增长，很容易卡在性能天花板。
The Trinity 三大核心角色分工
| 角色 | 核心职责 |
|---|---|
| Creator（创建者） | 从真实任务里提炼共同能力要求，生成轻量化、可验证的仿真世界，走 Real2Sim2Real 路线，在虚拟环境练能力，再回到真实任务验证迁移效果。 |
| Explorer（探索者） | 沿着能力树逐步演化可复用的能力模块，采用选择性继承，形成 Harness 树，经过验证的优化结果可以在同一个能力分支持续累积。 |
| Evolver（演化器） | 读取已经验证成功的执行轨迹，把原本按任务划分的结构，重构为层级化的能力树，找到不同任务共享的底层能力节点。 |
配套关键组件：能力感知路由
框架自带 Capability-Aware Harness Router，收到新任务之后，会根据任务信息从 Harness 树里面挑选最合适的模块组合，而不是给所有任务套同一套固定流程，不同模块专门专精不同能力，不会强行用一套调度逻辑处理全部场景。
实测效果数据
- 在 28 个训练基准任务上，平均性能提升 34 分。
- 在 18 个完全没见过的测试基准上，平均提升 26 分。
- 同时在两项真实具身机器人任务里验证了跨模态迁移效果。
- 实验中基座大模型权重保持冻结，全部收益来自 Harness 层的自动演化，不需要做微调。
整套自进化循环操作步骤
- 输入一批异构多模态任务，交由智能体执行，保存全部可验证、成功跑完的执行轨迹。
- Evolver 分析轨迹，剥离表层任务形式，识别底层通用能力，构建层级能力树。
- Creator 针对同一个能力节点下的多样任务，抽象共同约束，产出简化仿真环境。
- Explorer 在能力树上迭代 Harness 模块，用选择性继承保留有效的改进方案，形成 Harness 树。
- 新任务进来，由能力感知路由匹配对应的 Harness 模块，运行并产出新轨迹，回流到整个循环。
- 持续滚动迭代，能力不断沉淀，后续同类底层能力的新任务不用从零搭建流程。
这套范式的本质，是把 RSI 的优化重心从 “完成更多任务” 切换到 “沉淀通用能力”，任务只是用来检验能力的载体；能力一旦打磨成熟，就能自动迁移到外观完全不一样的新任务，对机器人、多模态 Agent、自动科研这类场景价值很高。
【常见问题】
问题 1：The Trinity 的能力驱动多模态 RSI 新范式，和普通任务式 RSI 最大差别是什么？
回答 1：普通任务式 RSI 是逐个任务优化，优化成果很难跨任务共享；The Trinity 的能力驱动多模态 RSI 新范式会从任务中抽底层能力、搭建能力树，能力可以跨不同模态、不同表层任务复用，进化收益可以持续累积。
问题 2：The Trinity 这套多模态 RSI 框架，必须改动基座大模型权重吗？
回答 2：不需要，The Trinity 的能力驱动多模态 RSI 新范式可以在基座模型权重冻结的前提下完成进化，提升全部来自 Harness 调度层、仿真环境、路由策略的自动迭代，不用做模型微调。
问题 3：The Trinity 的 Real2Sim2Real，在能力驱动多模态 RSI 里面起到什么作用？
回答 3：在 The Trinity 能力驱动多模态 RSI 流程里，Creator 通过 Real2Sim2Real 抽象共同能力需求，搭建低成本仿真环境用来练能力，再回到真实任务检验能不能迁移，大幅降低构建大量真实验证环境的成本。
问题 4：The Trinity 的 Harness 树是什么，在能力驱动多模态 RSI 里怎么更新？
回答 4：Harness 树就是一套按能力节点组织的工具、流程、提示模块集合；Explorer 在能力树上做选择性继承迭代，只有验证有效的更新才会保留，是 The Trinity 能力驱动多模态 RSI 实现能力沉淀的核心载体。
问题 5：The Trinity 能力驱动多模态 RSI 新范式，适合哪些落地场景？
回答 5：更适合多模态 Agent、具身机器人、自动科研、复杂工具调用智能体这类场景，这些场景任务形态多、底层能力相通，能最大化发挥能力沉淀、跨任务迁移的优势。
【参考资料】
[2026-11-07]（多模态 RSI 框架开源，让 Agent 按能力而非任务自进化）搜狐网
[2026-10-28]（Trinity: capability tree lifts frozen Claude Opus 5 by 34）AILog
[2026-10-28]（Beyond Task-Based Scaling: The Shift Toward Capability-Driven AI Evolution）Vesper
[2026-10-26]（The Trinity:Capability-Driven Recursive Self-Improvement for Multimodal Agents）arXiv
[2026-10-26]（The Trinity，能力驱动递归自改进多模态智能体）CatalyzeX
【免责声明】
本文仅为技术资讯科普，The Trinity 能力驱动多模态 RSI 新范式目前属于学术论文提出的研究方案，相关指标、实现方式、开源进度以论文作者官方发布为准；该框架还处在研究阶段，生产环境落地、复现效果会受基座模型、环境配置、任务集影响。