Google RRSI让智能体自改harness防过拟合

时间：2026 年 10 月 1 日 地点：美国旧金山（Google Cloud AI Research）联合北卡罗来纳大学教堂山分校、斯坦福大学、圣路易斯华盛顿大学 人物：Google Cloud AI Research 研究团队；三所高校合作者；论文第一作者 Diego Almada Lopez 等 事件详情：Google Cloud AI Research 联合三所高校开源 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses，正则化递归自改进）框架，让 AI 智能体在不修改底层模型权重的前提下，借助语言模型自动改写自身的 harness（提示词、控制流、工具调用、记忆管理），形成递归自改进循环。RRSI 通过"编辑预算随时间递减"+"严格 critic 过滤掉硬编码基准内容的提案"+"历史感知探索避免重复失败"+"性价比筛选"等正则化机制，专门抑制智能体对训练任务的过拟合与"刷分"行为。论文以 Claude Opus 4.8 作为冻结底座，在八个基准测试中，训练划分上最高取得 +14.1 分；其中 SWE-bench Verified 由 82.0 升至 83.8（+1.8），Terminal-Bench 2.1 由 74.2% 升至 80.2%（+6.0），Harvey LAB 等智能体办公任务、EngDesign 工程设计任务亦有提升；在五个分布外（OOD）基准上最高取得 +4.7 分，且 token 消耗比无正则化的进化方法降低约 30%。用 Gemini 3.5 Flash 优化得到的 harness 还能迁移到更弱的 Gemini 3.1 Flash Lite，将其编码准确率从 11.2 拉到 14.6 分。 背景：过去两年智能体领域的进展更多来自 harness 工程优化而非模型本身的升级；自动化 harness 演进虽然省去人工调参，但容易陷入"在固定测试集上分数暴涨、到新任务反而下滑"的过拟合陷阱，类似 arXiv、Google OSS VRP 等开源/研究项目近期都因此类问题承压。RRSI 的论文 arXiv 编号为 2609.24972，代码以 Apache 2.0 协议开源在 google-research/rrsi 项目仓库。 影响：把"harness 自进化"从靠运气刷分，转变为可解释、可约束的结构化搜索，让团队在不动模型权重的前提下也能拿到稳定泛化收益；为 Agent 厂商提供了一套可复用、可审计的开源工具；研究层面把焦点从"训更大模型"转向"调更好脚手架"，加速 Agent 工程化落地。 总结：Google RRSI 让智能体自改进走出"刷分陷阱"，标志着 Agent 优化正式进入"防过拟合"时代——在不更新模型的情况下，也能用工程化正则化换来稳定的能力提升与跨基准泛化。 参考来源： The Decoder — Google researchers find a way to keep self-improving AI agents from memorizing their tests https://the-decoder.com/google-researchers-find-a-way-to-keep-self-improving-ai-agents-from-memorizing-their-tests/ Marvis AI Today — Google's RRSI lifts unseen-task scores by up to 4.7 points https://hellomarvisaitoday.com/articles/3d50383f-5dd4-4fd2-91dd-33a83810cb77 CryptoCortex — Google's RRSI framework lets AI agents rebuild their own harnesses https://cryptocortex-ai.com/news/361c9ff6-3483-4fe2-82c4-d4c69c8a97e4 Wisevoter — Researchers Released New AI Self-Improvement Framework https://wisevoter.com/world/2026/10/01/researchers-introduce-ai-self-improvement-framework The Value Engineering — Google Cloud AI stops autonomous agents from memorizing benchmarks https://thevalue.engineering/news/google-cloud-ai-tackles-agent-overfitting-rrsi.html arXiv 论文 RRSI: Regularized Recursive Self-Improvement of Agent Harnesses https://arxiv.org/abs/2609.24972 Google Research GitHub 仓库（Apache 2.0） https://github.com/google-research/rrsi 中文报道 aliShangtian — Google 开源 RRSI 让智能体在冻结 LLM 上递归自改进 harness https://alishangtian.com/article/user-f0340a29a1