谷歌开源 RRSI：给智能体「自我进化」上正则，分布外多拿 4.7 分、策略 token 省 30%
谷歌研究开源 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），针对的是一个正在流行的问题：把智能体的「外骨骼」——提示、控制流、工具、记忆与上下文管理——交给系统自己迭代修改，往往会在训练任务上刷出很大涨幅，换到分布外基准就缩水甚至消失。RRSI 的做法是不改候选本身，而给演化过程加约束：提议端带时间退火的编辑预算，限制一次能捆绑多少改动，并根据演化历史鼓励还没走过的轨迹；选择端加一个批判者筛掉「只对某个基准有用」的提议，再加一个修剪器删掉太小、太贵或已失效的改动。
官方在横跨编程、智能体工作区与工程设计任务的八个基准上报告：对演化所依据的那一半数据，提升最多 14.1 分；对五个分布外基准，提升最多 4.7 分；同时演化出的 harness 比无正则版本少用 30% 的策略 token。也就是说，约束演化过程本身比多试几轮更划算——省下的推理开销来自「不留下没用的机制」，而不是压缩某个能力。
论文与代码都已放出：arXiv 2609.24972，代码在 github.com/google-research/rrsi，另有一个交互式项目页。对使用者的意义是：智能体框架的自优化不再只能当玄学调参，第一次有了「正则化」这个成熟工具箱可用。
核验记录
官方项目页 regularized-rsi.com 全文直读（83,931 字节），页内无任何可见日期、无 datePublished，故日期取论文自身字段：arXiv 2609.24972 页面 citation_online_date = 2026/09/23（本版上线）、citation_date = 2026/09/21（首版提交）。代码仓 github.com/google-research/rrsi 建仓 2026-09-16、最后一次推送 2026-09-23（GitHub API，抓取时 979 star）——建仓日早于论文上线日，本轮日期取论文本版上线日 9/23，处 7 天窗边界（收录按此口径，非官方公告日，Google 未见对应官方博客条目）。数字 14.1 分 / 4.7 分 / 30% / 八个基准均逐字取自 arXiv 摘要原文。MarkTechPost 9/29 09:01 稿为转述，未用于定日。配图取 GitHub 社交缩略图，裸请求 200 / 38,000 字节 PNG。
← 上一篇Liquid AI 给 3B 端侧 VLM 配 DSpark 草稿模型：输出不变，Apple 端解码最高快 3.13 倍下一篇 →Inferact 让 Kimi K3 在 TPU 上跑出 709 tokens/s，比同卡数 GB200 快 57%