谷歌开源 RSI 新成果,聚焦 Harness 层,团队中华人研究者居多
摘要
谷歌开源了一项围绕 RSI(递归自我改进)的新成果,其改进落在 Harness 层而非模型参数本身;报道同时强调该项目团队中华人研究者占比很高。
核心要点
- 成果以开源形式发布,属于可直接获取的代码或技术产出,而非仅发表论文
- 技术切口是 Harness 层——即智能体的运行脚手架、工具调用与评测框架,而非重新训练底层模型
- RSI(递归自我改进)意味着让系统在循环中改进自身流程,Harness 层是当前较易落地的一条路径
- 标题突出团队构成,说明华人研究者在谷歌该方向团队中占有显著比例
- 量子位以快讯形式报道,未在标题与摘要中给出跑分、性能倍数等量化指标
AI 洞察
把自我改进的着力点放在 Harness 层,意味着能力提升可能不再只依赖更大的模型,而来自可被开源复现的智能体脚手架——这会显著压低“自我进化型 agent”的复现门槛,并让竞争从参数规模转向工程框架。开源叠加华人研究者主导,也进一步说明前沿 agent 工程的知识扩散速度远快于模型权重时代,先发的壁垒会更薄、更短。