搜索
谷歌开源 RSI 新成果 Harness²，可提升大模型跑分
22 小时前
谷歌近日开源了递归自我改进框架Harness²，该框架无需修改大模型权重，仅通过优化外围运行脚手架，即可显著提升模型性能。Harness²采用任务级和改进级双层递归架构，有效解决了过往递归自我改进（RSI）方案中存在的两大问题：无标准答案时易偏离目标、易过度拟合单次任务。任务级递归通过提议-探测-合成机制，在无标准答案的场景下验证有效改动并合并进脚手架，同时支持并行扩展以拓宽搜索空间。改进级递归则将调试经验沉淀进持续改进经验库，供后续新任务检索复用，实现改进能力的持续迭代。实测结果表明，接入Harness²后，GLM-5在办公基准WorkBuddy-Bench上的得分大幅提升11.5分，超越原生Gemini 3.5 Flash，同时在JobBench、法律基准LAB等测试中也表现出显著的性能提升。此外，跨领域迁移经验库还能进一步提升模型表现。Harness²跳出传统依赖基座模型参数缩放的路径，探索出让Agent在运行中自我感知、自我修补的Runtime认知工程新路径。该核心团队中，华人成员占比高达78%。
