谷歌 DeepMind 最新论文公布 RSI(递归自我改进)的升级方案,核心新增 SIM 自我改进记忆模块,解决传统 RSI 换模型、换任务之后,优化好的 Agent Harness 直接失效、重复试错的痛点,这套升级后的方案被命名为 CRSI 持续递归自我改进;传统 RSI 只保存最终优化完成的 Harness 脚本,不会记录每一次改动背后的原因、预期效果、测试环境和成败结果,一旦底层大模型切换或者任务场景变更,之前的优化经验基本作废,甚至旧规则对新模型产生负效果,而 SIM 相当于给优化器配上一本完整实验日志,每一轮修改都会归档记录,后续 AI 优化器可以检索历史经验,判断哪些策略保留、调整或者删掉,不用从零重新摸索迭代,整套方案不改大模型权重,只优化 Agent 外层 Harness,包括提示词、工具调用逻辑、上下文管理、任务执行流程。
一、RSI、SIM、CRSI 基础概念清单
| 名词 | 全称 | 简单说明 |
|---|---|---|
| RSI | Recursive Self-Improvement,递归自我改进 | AI 自主修改 Agent Harness,根据任务反馈筛选有效改动,循环提升 Agent 能力 |
| SIM | Self-Improvement Memory,自我改进记忆 | 新增的记忆存储模块,记录每一次改动的理由、预期、实测结果、环境条件 |
| CRSI | Continual Recursive Self-Improvement,持续递归自我改进 | 搭载 SIM 之后,可以跨模型、跨任务延续优化经验的新一代 RSI 方案 |
| Harness | 智能体运行框架 | 管控 Agent 上下文、工具集、执行流程、校验规则,是 RSI 主要修改对象 |
二、SIM 自我改进记忆里面存储的记录字段
- 修改提案内容:优化器打算调整的 Harness 规则、提示词、工具逻辑
- 修改动机:为什么要做这次改动,对应要解决的问题
- 预期收益:改动之后希望达成的指标提升
- 实测结果:改动上线之后在测试集上的真实得分、失败案例
- 生效环境:当时使用的基座模型、任务类型、测试数据集
- 最终决策:本轮改动是保留、回滚、标记待观察
三、谷歌给 RSI 加上自我改进记忆 SIM 的底层原因
- 老版本 RSI 存在 “优化孤岛” 问题,在 A 模型上调好的 Harness,迁移到 B 模型直接水土不服,甚至效果变差。
- 只留存最终代码,丢失迭代历史,优化 AI 会反复踩同样的坑,浪费评测算力。
- 现在 Agent 迭代速度越来越快,基座模型、业务任务频繁更新,需要一套经验迁移机制。
- 谷歌这套路线优先走 Harness 层面自我优化,而不是直接修改模型权重,风险可控,更容易做实验验证。
- 经验沉淀之后,RSI 循环的效率持续提升,减少无效实验,降低评测成本。
四、看懂这套持续 RSI 方案的判断思路
- 分清边界:CRSI+SIM 只优化 Agent 外层框架,不改动大模型本身权重,不是让模型自己重训自己。
- 区分传统 RSI 和 CRSI:传统 RSI 是单次闭环优化;CRSI 重点解决跨环境迁移,经验可以复用。
- 看懂适用场景:更适合代码 Agent、复杂任务智能体、多工具调用系统;不适合简单问答类场景。
- 看清短板:SIM 只是经验库,不是万能方案,如果新旧任务差异极大,历史经验参考价值依旧很低。
- 阶段定位:目前属于学术论文阶段,公开可复现实验,还没有直接落地到 Gemini 公开产品。
五、总结
谷歌 RSI 最新进展核心就是引入 SIM 自我改进记忆,升级成 CRSI 持续递归自我改进。SIM 用来保存每一轮 Harness 优化的完整实验记录,让 RSI 的迭代经验可以跨模型、跨任务迁移,解决过去 RSI 优化成果很难复用、反复试错的短板;这套方案聚焦优化 Agent 执行框架,不调整模型权重,是当前 RSI 研究里一条偏稳健的技术路线,目前以论文研究为主,还没有上线面向普通用户的产品版本。
【相关 FAQ】
问题 1:谷歌 RSI 新进展里的自我改进记忆 SIM,作用是什么?
回答 1:谷歌 RSI 新进展里的自我改进记忆 SIM,用来存储每一次 Harness 改动的原因、预期、实测结果、运行环境,让优化 AI 可以复用历史经验,实现持续 RSI。
问题 2:谷歌 RSI 和 CRSI 持续递归自我改进之间是什么关系?
回答 2:RSI 是基础递归自我改进,CRSI 持续递归自我改进是搭载 SIM 自我改进记忆之后的升级版 RSI,支持跨模型、跨任务持续迭代。
问题 3:谷歌这套带自我改进记忆的持续 RSI,会修改大模型权重吗?
回答 3:谷歌这套带自我改进记忆的持续 RSI,优化对象是 Agent Harness 执行框架,不会修改底层大模型权重,属于外层流程优化方案。
问题 4:谷歌基于自我改进记忆实现的持续 RSI,现在已经上线 Gemini 产品了吗?
回答 4:谷歌基于自我改进记忆实现的持续 RSI 目前是论文研究成果,完成实验验证,还没有正式集成上线到 Gemini 面向公众的产品中。
【参考资料】
[2026-11-19](谷歌「RSI」新进展:通过「自我改进记忆」实现持续 RSI)36 氪
[2026-11-19](谷歌 RSI 新论文:自带记忆、自主迭代)36 氪
[2026-11-19](New Breakthrough in Google RSI Research: Achieving Sustained RSI Through "Self-Improving Memory")36 氪英文站
[2026-11-19](谷歌 CRSI 论文解读:SIM 记忆解决 RSI 迁移难题)智东西
[2026-11-19](arxiv:2611.18856 持续递归自我改进论文)arXiv
【免责声明】
本文谷歌 RSI、自我改进记忆 SIM、持续 CRSI 相关内容来自公开学术论文与科技媒体解读;该方案属于前沿 AI 研究,尚未商业化落地,后续实验结论、技术路线存在调整可能;内容仅为 AI 技术科普,不构成项目研发、技术投入建议。
