Google开源RRSI 自改进智能体不再刷题走形

时间：2026年10月4日 地点：Google Research（Google Cloud AI Research） 人物：Peng Xia（论文一作）、Rujun Han、Zifeng Wang、Yanfei Chen、Yufan Zhuang、Yoonho Lee、Chengsong Huang、Han Yu、Zhongying CuiZhu、Yifei Ming、Huaxiu Yao、谷歌Burak Gokturk、Tomas Pfister、Chen-Yu Lee（共14位作者，多为Google Cloud AI Research与Google Research团队成员） 事件详情： Google Research于10月4日通过arXiv（编号2609.24972）公开其最新论文《Regularized Recursive Self-Improvement of Agent Harnesses（RRSI）》，正面回应近半年AI智能体研究最棘手的问题之一——自我改进型智能体在反复自我调优时，会把训练任务"背下来"，看似在涨分，实则丧失了泛化能力。 论文披露的实验数据触目惊心：在八个覆盖编码、智能体办公、工程设计的基准测试中，所有五款未加正则化的自改进方法（即"未受约束的递归自我改进"）在训练任务上分提升明显，但在未见过的分布外基准上出现"负迁移"——两种方法的表现甚至低于基线harness。RRSI是唯一在分布外任务上仍显著高于基线的方法，最高提升4.7分（JobBench），同时训练任务上得分提升最高14.1分，运行时的token消耗反而比未正则化版本低约30%。 RRSI在harness自动化改写流程上嵌入了三层"防刷题"约束：第一层是"随时间退火的编辑预算"——每轮允许的harness修改量逐步收紧，前期可大改，后期只允许能清楚归因到结果的小改，以避免过度拟合特定训练任务；第二层是"批评家（critic）筛稿"，提案阶段任何硬编码任务名、解题模板或基准特化技巧的改动直接被剔除；第三层是"修剪器（pruner）"——只接受带来可测量收益的算力增加，对纯复杂度堆叠则直接删除。 论文还披露一项关键"可迁移性"实验：使用Claude Opus 4.8作为冻结backbone优化出来的harness，在换成Gemini 3.5 Flash等更弱模型时仍能带来稳定提升，验证了RRSI不是在为某个特定模型"量身定制"，而是在学一种通用的人机协作骨架工程模式。 背景： RRSI所在的方向——"harness engineering"（脚手架工程），正是2026年下半年硅谷最热的智能体子领域。Anthropic 8月底被曝光正招募"harness engineer"职位，OpenAI 9月底被披露已在内部大规模使用harness自我迭代，DeepSeek的"Harness框架"已成为开源智能体编排的事实标准。Lilian Weng（前OpenAI安全研究负责人）7月发布的博客《Harness Engineering for Self-Improvement》明确指出：当前智能体能力提升的"大部分"来自harness而非模型本身。 影响： 1. RRSI首次系统回答了"自我改进不会让你变笨"这一前置问题，为OpenAI、Anthropic、DeepMind等正在试水"Agent自我迭代"的实验室提供了可落地的正则化模板。 2. 把harness自动化从"演示玩具"推升到"工程学科"：未来harness编辑预算、批评家规则、pruner阈值将成为评估智能体自我迭代是否安全的标准三件套。 3. 对企业级智能体供应商而言，RRSI打开了"harness可被独立商业化"的可能性——就像之前MCP协议让工具调用标准化一样，harness有可能成为下一个被解耦的产品层。 总结： Google Research这次开源RRSI不只是技术贡献，更是给整个"AI自我改进"赛道划了一条安全红线：在你训练AI智能体"自己教自己"之前，请先把"防刷题约束"装上，否则它会在训练集上飞速进步，在真实世界迅速贬值——这恰好是过去几个月里几乎所有自改进型智能体实验共同踩过的坑。 参考来源： 1. The Decoder详细报道（10月4日） https://the-decoder.com/google-researchers-find-a-way-to-keep-self-improving-ai-agents-from-memorizing-their-tests/ 2. arXiv论文原文（2609.24972）：Regularized Recursive Self-Improvement of Agent Harnesses https://arxiv.org/abs/2609.24972 3. arXiv论文HTML版（含完整图表与ablation） https://arxiv.org/html/2609.24972v2 4. DataSciocean论文深度解读（Do Self-Improving Agents Just Memorize the Test?） https://datasciocean.com/en/paper-intro/rrsi/ 5. Lilian Weng（前OpenAI安全研究负责人）7月博文：Harness Engineering for Self-Improvement https://lilianweng.github.io/posts/2026-07-04-harness/ 6. LinkedIn - Rujun Han（共同作者）公开发布解读 https://www.linkedin.com/posts/rujunhan_rrsi-regularized-recursive-self-improvement-activity-7508190243179610112-OfCE 7. Threads - Google AI社区对RRSI的二次解读 https://www.threads.com/@sipirtu/post/DeEuUJ8jl4D/ 8. Envisioning词条：RRSI https://www.envisioning.com/vocab/rrsi-regularized-recursive-self-improvement-of-agent-harnesses