Google Research在GitHub公开的Harness²项目，展示了一种不修改模型权重、却能让智能体持续进化的工作机制。其核心思路是围绕每个具体任务动态优化“harness”，即提示词、工具调用、记忆模块与任务编排流程，并通过证...

AI智能体的能力在很大程度上由其harness（装配层/框架）决定。传统方法让harness针对固定进化集演化，虽然分布内收益明显，但容易记忆训练任务，导致分布外表现大幅缩水甚至消失。RRSI提出了一种新思路：不限制harne...

谷歌近日正式发布了一种名为RRSI（Regularized Recursive Self-Improvement）的新方法，用于优化AI智能体在递归自我改进过程中的稳定性与泛化能力。该方法的核心理念是“正则化搜索过程，而非正则化智能体外壳”，通过...

近日，Z.ai 披露了一项引人注目的技术实践：团队利用由 GLM-5.3 驱动的 Infra Agent，在不到两周时间内为 GLM-5.3-Flash 构建了可支撑 10 万张以上国产加速器的生产级推理服务栈。这并非传统的人工运维或脚本化部署...

近日，OpenAI研究科学家Noam Brown在一次深度访谈中系统阐述了对推理模型、多智能体系统、数学进展加速以及递归自我改进等前沿议题的看法。作为推理模型发展的关键贡献者，Brown指出当前数学领域正经历快速突破，并...

近日，一项名为Dream-RSI的研究聚焦自主AI智能体递归自我改进中的核心瓶颈——有效探索。该框架在探索层面构建了一个闭环：智能体通过在线探索持续收集发现历史，并将这些历史转化为针对已实现搜索空间的回放模拟器；...

Zyphra首席技术官Beren Millidge、Thinking Machines首席科学家兼OpenAI联合创始人John Schulman，以及Baseten模型训练负责人Charlie O'Neill在一场播客中围绕人工智能递归自我改进的前景展开深入讨论。三位专家从当...

研究人员首次在实验中观察到递归自我改进（RSI）现象。他们让一个“自我研究”智能体在自主研究程序上连续运行了八天，最终该系统在预留的基准测试上击败了团队花费两年时间手工调优的测试框架。这套完全自主的系统包...