谷歌團隊開源遞歸自改進框架提升智能體表現

框架定位

遞歸自我改進指系統自行產生並驗證改進方案，令自身表現持續提升的機制。谷歌等機構開源的Harness²框架，把這一目標放在智能體層面落實，模型參數保持不變。

框架的特點在於分兩個層面推進改進，令智能體在執行任務的過程中不斷累積有效做法，而非依賴一次性調整或重新訓練模型，改進全部發生在使用層面。

任務級遞歸

第一層是任務級遞歸：系統先就任務提出各種修改方案，再對每個方案重新執行任務以驗證實際效果，最後只保留能令任務表現更好的那些修改。

這種設計令每一項修改都有實際任務結果作為取捨依據，能夠避免引入無效甚至有害的改動，令整體改進隨着任務一項一項推進而持續累積。

梳理式遞歸

第二層機制是梳理式遞歸：在完成每項任務之後，系統會保存當時所採用的梳理方式，並把選擇這種方式的原因分析一併記錄下來，形成經驗沉澱。

在處理下一項任務時，這些記錄可以幫助系統作出更出色的調整，令改善不再局限於單一任務之內，而是能夠跨任務延續，形成跨場景的適應能力。

實測與團隊

在專業基準測試中，即使是Gemini 3.5 Flash這類模型，在只經過單步優化的情況下，表現亦有明顯提升，顯示智能體能力可以動態增強。

參與該項目的除谷歌雲AI研究團隊成員外，亦包括來自美國西北大學的研究人員；框架已以開源形式發布，外界可以查閱其實現細節並自行使用。