整理与数据来源：AIHOT
RRSI：面向 Agent Harness 的正则化递归自我改进
先了解这件事
2026-09-21，HuggingFace Daily Papers 社区热门论文栏目报道 RRSI（正则化递归自我改进），针对 Agent Harness 递归自我改进容易过拟合训练任务、在分布外基准上收益消失的问题，方法包括时间退火预算限制候选编辑数量、用 critic 过滤基准特定提案、用 pruner 剔除过小或过贵改动，当时未给出实验数据。09-23，X 用户 AK 转发同一论文并附链接（huggingface.co/papers/2609.24972），仍未披露实验数据。09-24，X 用户 Elvis Saravia（DAIR.AI）称 Google 发布该论文，并指出自动化 harness 进化会对训练任务过拟合，评测分数上升但真实任务表现可能变差。09-29，MarkTechPost 报道称 Google Cloud AI Research 联合 UNC-Chapel Hill、Stanford 和圣路易斯华盛顿大学发布 RRSI，让 LLM 智能体在模型权重冻结下改写自身 harness 的提示词、工具、记忆、控制流和子智能体。10-04，The Decoder 报道称 Google 研究者提出 RRSI，通过随时间收缩的编辑预算和严格评审机制，限制智能体在自我优化时记忆测试任务。
AI 根据报道生成 · 4 天前更新
事件进展
- 9月23日 01:37 · 1 篇报道RRSI：智能体框架正则化递归自改进AK：RRSI：智能体框架正则化递归自改进
- 9月21日 08:00 · 4 篇报道RRSI：面向 Agent Harness 的正则化递归自我改进HuggingFace Daily Papers（社区热门论文）：RRSI：面向 Agent Harness 的正则化递归自我改进
报道时间线
沿着报道，了解事件的不同侧面。
- The DecoderGoogle 研究者提出 RRSI，防止自我改进智能体记忆测试任务
Google 研究者提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过随时间收缩的编辑预算和严格评审机制，限制智能体在自我优化时记忆测试任务。
- MarkTechPostGoogle Research 开源 RRSI：智能体在模型权重冻结下自我改进 harness 并避免过拟合
Google Cloud AI Research 联合 UNC-Chapel Hill、Stanford 和圣路易斯华盛顿大学发布 RRSI（Regularized Recursive Self-Improvement），让 LLM 智能体在不改动模型权重的情况下改写自身 harness 的提示词、工具、记忆、控制流和子智能体。
- X：Elvis Saravia (@omarsar0, DAIR.AI)Google 发布 RRSI 论文，用正则化递归自我改进防止 Agent harness 进化过拟合
Google 发布 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses）论文，指出自动化 harness 进化会对训练任务过拟合，评测分数上升但真实任务表现可能变差。
- HuggingFace Daily Papers（社区热门论文）RRSI：面向 Agent Harness 的正则化递归自我改进
针对 Agent Harness 递归自我改进容易过拟合训练任务、在分布外基准上收益消失的问题，研究者提出 RRSI，通过时间退火预算约束候选编辑数量、用 critic 过滤基准特定提案、用 pruner 剔除过小或过贵改动。
本事件热度走势
当前热度 3·可比范围峰值 10（10月4日 22:00）·近 24 小时可比范围变化 -51%
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。