发布日期:2026年10月26日-27日
近日,谷歌(Google DeepMind)等机构开源了双层 RSI 框架 Harness²,实现了 RSI(Recursive Self-Improvement,递归自改进)技术,让 Gemini 3.5 系列模型在不改变任何参数的前提下性能显著提升,引发行业广泛关注。
Harness² 框架的核心是“双层递归”机制:第一层为“任务级递归”,模型在任务执行过程中会生成并验证多种修改方案,只保留那些能够提升性能的方案,形成持续的自我优化循环;第二层为“梳理式递归”,模型在任务完成后会把验证有效的策略沉淀保存下来,供后续任务复用,实现经验积累。两层机制相互配合,让模型的能力随使用过程动态增强。
实测结果显示,Gemini 3.5 Flash 经单步优化后性能即大幅跃升,验证了“智能体能力可动态增强”的路径——传统大模型一旦训练完成,推理能力通常是静态的,而 Harness² 让模型在推理阶段也能不断自我改进,突破了传统模型的静态推理局限。
这一开源框架被认为有望重塑大模型的应用范式:在不重新训练、不增加参数的前提下,通过“用中学、学中用”的自改进循环提升性能,为开源社区和企业部署提供了新的效率杠杆。
消息来源:智源社区(新智元)