搜索
冻结模型权重，Agent 还能持续进化：ModularRSI 探索 Harness 自我改进
2 小时前
IQuest Research携手北京航空航天大学、曼彻斯特大学等机构，共同推出了ModularRSI框架。该框架在基础模型全程保持冻结的状态下，让智能体（Agent）能够基于自身的执行经验，持续迭代并优化其外围运行机制Harness，从而实现递归式的自我改进。ModularRSI框架将Harness细分为五个独立模块进行分别演化，通过多轮轨迹对比来识别系统性缺陷，并经过三道严格的验证机制筛选特化修改后，再整合各模块的能力。在Terminal-Bench 2.0测试中，该框架成功将准确率从47.57%提升至52.43%。实验结果表明，Harness层面的改进具有跨任务、跨领域的迁移能力，甚至能够适配不同的、未参与演化的基础模型。研究还发现，中等难度的任务数据最有利于Harness提取通用执行机制，这些机制演化出的是可复用的通用执行规则，而非简单的经验记忆，为智能体的递归自我改进开辟了一条不依赖模型权重更新的新路径。
