RRSI：正则化搜索轨迹实现智能体自我改进，分布外迁移策略token减少三分之一
talkingdev • 2026-09-24
1930 views
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harness本身，而是保持其编辑空间开放，并对搜索轨迹进行正则化。提示词、控制流、配置、上下文管理、工具、技能、记忆和子智能体等均可被修改；约束只作用于搜索如何移动，而不是限制harness可以包含什么。该方法在分布外迁移中策略token用量减少三分之一，为智能体自我改进的泛化能力提供了更高效路径，对构建更通用、更自主的AI智能体具有重要参考价值。
核心要点
- RRSI保持harness编辑空间开放，将正则化对象从结构转向搜索轨迹
- 可修改元素覆盖提示、控制流、配置、上下文、工具、技能、记忆和子智能体
- 在分布外迁移中策略token消耗减少三分之一，缓解训练任务记忆问题