跳到正文
热点事件持续更新

谷歌等团队发布SIM机制实现AI持续递归自我改进

4 篇报道3 个报道来源8 小时前更新

先了解这件事

AI 综述

2026年11月13日,Xin Yu等人在arXiv发布论文,提出自我改进记忆(SIM)机制。该机制通过记录编辑理由、预测与实际结果及评估上下文,对反复出现的框架问题归组,为Agent优化提供结构化经验。SIM旨在解决跨模型与跨任务场景下经验无法有效继承的问题。 11月19日,36氪报道披露团队背景,指出该论文由谷歌云AI、谷歌DeepMind与宾夕法尼亚州立大学联合发布。实验显示,SIM在10组编程对照实验中9组更优,平均提升2.36分;在跨模型办公任务中,SIM得分84.75,显著高于未引入SIM的73.42。 11月21日,36氪跟进报道详细解析了SIM的核心组件CRSI框架,强调其允许不同模型家族的Agent继承优化经验。报道举例,将Claude Opus 5.5优化的Harness连同SIM记忆转移给Gemini 3.8 Flash时,因模型差异起点分数仅为68.41,展示了跨模型继承的初始挑战。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. 36氪精选
    谷歌论文提出 SIM 机制:让 AI 跨模型继承 Agent 优化经验

    谷歌与宾夕法尼亚州立大学发表论文,提出持续递归自我改进框架 CRSI 及核心组件 SIM 机制,使不同模型家族的 Agent Harness 优化经验可以结构化继承。

11月19日
  1. 36氪
    谷歌RSI新论文:自带记忆、自主迭代

    谷歌云AI、谷歌DeepMind与宾夕法尼亚州立大学团队发布论文,提出自我改进记忆(SIM)方法,将代码修改的原因、预期与实际结果记录为可持续更新的记忆,支持Agent跨模型、跨任务延续递归自我改进。测试中,SIM方案在10组编程对照实验里9组表现更优,平均领先2.36分;在跨模型办公任务中,SIM方案最终得分84.75,未引入SIM仅为73.42。

  2. AK (@_akhaliq) (X)
    自改进记忆助力模型递归自我提升

    自改进记忆能够实现持续的递归自我改进 论文:https://huggingface.co/papers/2611.18856

11月17日
  1. arXiv · ML
    Self-Improvement Memory 实现持续递归自我改进

    研究者提出 Self-Improvement Memory(SIM),在四个领域实验中,跨数据集与跨模型场景下最终得分高于仅用 harness 或根因的延续方法。 SIM 按 recurring harness problem 归组编辑,记录 rationale、预测与实际结果及评估上下文;十次独立 coding 源运行中,配对延续平均最终得分提升 2.36 分($p=0.003$)。

本事件热度走势

可比范围当前
8
可比范围峰值
2111月19日 10:00
近 24 小时变化
+17%

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。