把 Google RSI 理解成“模型会自己重写代码”,是最容易产生的误读。工程上更准确的自主迭代,是让 Agent 在固定工具集、固定评估标准和固定安全边界内,利用执行反馈、记忆积累与策略调整,让下一轮表现优于上一轮;它优化的是运行策略和记忆组织,而不是无约束地修改自身或模型权重。
36氪报道的 Google RSI 新论文以“记忆+自主迭代”为主线。不过,热点标题不能代替论文核验:现有资料没有提供原论文完整正文、实验表和具体数字,因此本文不预设模型名称、实验任务或提升比例,也不把相邻研究的机制直接归入 Google RSI。
RSI 改的是运行策略
RSI 通常指 Recursive Self-Improvement,即递归自我改进:系统从一次任务执行中获得反馈,把反馈转化为可复用的记忆或策略,再用于后续执行,从而形成连续的改进循环。
从现有报道可以确认,Google RSI 新论文关注的是记忆如何参与自主迭代。本文据此将这一过程概括为执行、评估、记忆、再执行四个核心环节。它不是把同一个提示词重复调用几遍,而是让上一轮的结果改变下一轮的行动路径。
评估论文价值时,至少需要核对研究对象、实验任务、被测模型、对比基线和评价指标。当前资料不足以逐项核验这些内容,因此不能仅凭“记忆”和“自主迭代”两个关键词推断实验效果。RSIAgent 的 BRS、DRS 等机制可以作为相邻参照,但它们与 Google RSI 是否采用相同架构、记忆单位和评估条件,仍需回到各自原文确认。
记忆不只是一段历史
为避免把工程抽象误作论文的原始模块命名,本文采用工作记忆、长期知识、经验记忆和策略记忆四层框架。
短期上下文服务当前任务
滚动窗口保留最近的任务状态,对话摘要则压缩冗长过程。前者让模型看到“刚刚发生了什么”,后者让它在上下文长度受限的情况下仍能判断“此刻正在做什么”。
长期知识提供事实背景
向量数据库和实体记忆适合跨会话保存相对稳定的知识,语义检索负责找出与当前目标有关的背景信息。这类记忆回答的是“需要知道哪些事实”,并不自动包含任务应该采用什么策略。
经验记忆保存成败原因
只保存完整轨迹还不够。更有效的经验记录需要包含行动、结果、失败原因和可复用结论,使后续任务能识别某个动作为什么失败,而不只是重复阅读原始日志。这里的因果关系是工程上的存储要求,不应未经核验就称为 Google 论文的原始设计。
策略记忆沉淀可复用路径
经过评估验证的步骤、工具组合和修正方法,可以保存为策略记忆。下一次遇到相似任务时,Agent 可以直接调用已有路径,而不是重新随机试错。
聊天记录、普通 RAG 与 RSI 记忆由此区分开来:聊天记录偏向还原发生过什么,普通 RAG 主要从外部知识库检索事实以辅助生成,而 RSI 记忆还要回答“哪一步有效、哪一步失败、下一次应该改变什么”。普通 RAG 和 RSI 记忆不仅会被检索,还应接受写入门槛、版本维护和过期淘汰。
写入记忆要有证据门槛
适合进入长期记忆的信息,至少应包含任务状态、行动、结果、评分依据和可复用结论。缺少结果或评价依据的中间推理更适合留在临时上下文中,否则一次幻觉也可能被后续检索当作事实反复放大。
工程上可以设置分级写入:原始轨迹先进入临时区,评估通过后再提炼为经验;能够跨任务复用的内容再进入长期知识或策略库。这样可以区分“记录发生过”与“确认值得复用”。
召回记忆依赖任务相关性
召回时,应同时考虑当前目标、实体关系和语义相似度,而不是仅按向量相似度返回最相近的若干条记录。事实型记忆可以独立使用,策略与经验型记忆则必须连同适用条件、来源和失败边界一起召回。
例如,一套在某个软件环境中有效的工具顺序,不能因为语义相似就无条件迁移到另一个环境。可复用因果记忆的价值,恰恰在于保留“什么条件下有效”的信息。
旧记忆必须持续维护
记忆系统需要处理重复、过期和冲突,而不只是不断写入。工程上应为记录增加来源、版本、有效期和权限标记,并提供合并、压缩、淘汰与删除机制。出现冲突时,应依据证据和版本处理,而不是让最后写入的一条记录静默覆盖其他结论。
自主迭代越活跃,出现记忆污染和旧经验误导的机会越多。检索不到相关经验只是效率下降,召回了错误经验则可能让错误策略获得更多执行机会。
自主迭代依赖完整闭环
完整循环包括执行任务、收集反馈、自我评估、经验回放、策略调整和再次执行,可归纳为执行、评估、记忆、再执行四个环节,而不是简单重复调用同一个提示词。
执行与评估需要分离
参考资料中的实践判断是,同一个小模型既执行又评判,容易因为偏好与生成分布一致而高估自己的输出;使用不同模型实例评估,有助于打破这种自我强化偏差。
评估也不宜只给一个总分。对于信息检索类任务,可以拆分为事实准确性、覆盖完整性、引用可追溯性和表达清晰度。分维度评分能让迭代控制器知道应该修正事实、补充信息,还是改善表达。评判模型仍然可能犯错,因此还要保留人工抽检,定期检查其与人工判断的一致性。
失败经验也要进入回放
应从失败轨迹中提取错误发生在哪一步、采用了什么策略、失败原因是什么以及可能如何修正,再将提取结果作为下一轮策略搜索的候选经验。如果只保留成功案例,系统会丢失失败所暴露的边界信息。
策略搜索优于随机重试
迭代过程应在统一评估标准下比较不同执行路径、提示策略和工具编排方式,并保留表现更好的候选。这更接近受约束的策略搜索,而不是投入大量计算进行无方向重试。
迭代达标或越界就停止
当收益进入平台期、成本超出预算、结果发生回归或触碰安全边界时,应停止迭代并回滚到已验证版本。没有停止条件的递归循环,很容易把小幅误差逐步放大。
RSIAgent 只能作为相邻参照
RSIAgent 的资料摘要包含广度递归自我探索 BRS、深度递归自我探索 DRS,以及在新软件环境中构建可复用因果记忆的机制。它与 Google RSI 都涉及递归探索和记忆,但不能因为缩写接近就视为同一项工作。
| 比较维度 | Google RSI:据现有报道 | RSIAgent:据资料摘要 |
|---|---|---|
| 研究对象 | 记忆如何参与递归自我改进 | 在新软件环境中进行自主探索 |
| 记忆单位 | 原始模块尚待正文核验,本文采用四层工程框架 | 强调可复用的因果记忆 |
| 探索方式 | 可确认包含自主迭代,具体步骤待核验 | BRS 与 DRS 两阶段递归探索 |
| 评估条件 | 任务、模型、基线和指标尚待核验 | 现有摘要未提供可与 Google 直接对齐的实验数字 |
因此,BRS、DRS 可以帮助理解递归探索,但不能在缺少逐项核验时被写成 Google RSI 的论文机制。
最小实现需要五个部件
面向开发者的最小实现应包含固定任务集、分维度评分规则、带来源的结构化记忆、独立评估器,以及带停止条件的迭代控制器。
任务集必须固定
基线与迭代版本需要使用相同任务、模型、工具和预算,否则无法判断提升究竟来自记忆,还是来自环境变化。任务集还应同时覆盖成功案例、已知失败案例和容易产生回归的边界案例。
记忆记录必须可追溯
每条记忆至少关联任务、观察、行动、结果、评分、结论和来源。这些字段既用于生成下一轮策略,也用于排查问题:一次失败究竟来自执行模型、评估器,还是错误记忆被召回。
评估结果必须可拆分
除了总体成功率,还要保存各评分维度、成本、延迟、回归记录和人工干预次数。只有这些数据同时存在,才能判断某次迭代究竟改善了什么,又引入了什么代价。
对照实验必须覆盖记忆
至少应比较三种条件:不使用记忆、直接使用当前反馈、运行完整记忆闭环,并改变迭代次数,观察收益是否持续。如果只测试完整系统,便无法区分改进究竟来自记忆、评估器,还是更多采样预算。
试点任务先满足五项条件
适合首批试点的任务通常具有五项特征:可以重复执行、结果能够量化、反馈周期短、操作可以回滚、权限可以限制。代码助手、客服对话、信息检索与研究助手、个性化推荐都可能受益于持续记忆,但具体适配程度取决于任务是否具备这些条件。
代码任务通常更容易获得测试结果和明确回归信号;客服任务需要控制对话目标与业务规则;研究助手需要检查引用可追溯性;个性化推荐的反馈周期更长、业务指标更复杂,因而不一定适合作为第一组实验。
高风险动作需要人工审批
缺少可靠评价标准、涉及不可逆操作、对外权限过大,或单次错误可能快速污染长期记忆的任务,不适合直接开放自主循环。这类任务至少需要人工审批、最小权限、沙箱执行和版本回滚;记忆写入本身也应限制范围,避免未经确认的执行结果成为下一轮的依据。
论文效果仍要独立复现
评估 Google RSI 的实际价值,需要分别检查记忆、独立评估器和迭代次数各自的贡献,并同时观察成功率、分维度得分、成本、延迟、回归与人工干预。单一成功率提升不足以说明系统形成了可靠的自我改进,也可能掩盖质量波动和资源消耗。
Google RSI 更准确地说是一种受评估、权限和预算约束的“记忆引导型策略优化”,而不是无限制的自我重写。仍需后续验证的问题包括评估器误判、记忆污染、旧经验误导、递归误差放大,以及成本控制和稳定回滚。记忆能否真正推动下一轮变好,最终取决于证据是否可靠、经验是否可追溯,以及系统是否知道何时应该停止。
[email protected]
。
我们承诺在核实信息后,将第一时间删除相关内容或断开链接。
























暂无评论内容