这个工具是做什么的
让 agent 改自己的 harness（提示、工具、记忆、控制流、子 agent）而不改模型权重的一套开源方法：难点从来不是「能不能改」，而是改出来的东西往往只是把评测集背下来了。RRSI 把约束加在「搜索」这一步——编辑预算按余弦调度逐步收紧（早期可一次改多处，后期只允许改一处且要能归因），每轮编辑都进一份台账（改动组件、假设、diff、分数变化、成本变化），被证伪的方向不再重试；选择侧配一个评审器先筛掉写死了任务名、实体或答案的提案，再加一道噪声地板（增益必须超过基线上的波动）和成本规则（多花的 token 必须由实测增益买单），长期不出增益的组件会被剪掉。官方在 8 个基准上报告：演进集上最多 +14.1 分，5 个分布外基准上最多 +4.7 分，同时策略 token 用量比未正则化的演进少 30%。
基本信息
- 分类：AI Agent
- 厂商 / 团队：Google Cloud AI Research（与 UNC-Chapel Hill、斯坦福、圣路易斯华盛顿大学合作）
- 价格：免费（论文与代码开源，github.com/google-research/rrsi）
- 收录日期：2026-09-30
- 官网：regularized-rsi.com
适用场景
Agent Harness · 自我改进 · 正则化 · Google Research · 开源