2026年10月19日，谷歌正式开源其在递归自我改进（Recursive Self-Improvement，RSI）领域的突破性成果——Harness²框架。与传统「堆参数、烧算力」的路线不同，Harness²无需修改大模型底座权重，仅通过优化外围运行脚手架（Scaffold），就能让模型在多个基准上实现显著跃升。在 GLM-5 的 ARC-AGI-3 基准测试中，Harness²带来了11.5分的直接提升。核心研发团队华人占比高达78%。
为什么RSI一直是行业难题
递归自我改进（RSI）是AI领域的一个核心命题：让模型在运行过程中不断优化自己的推理策略，而不依赖人工干预或额外训练。理论上，一个足够强的模型应该能够审视自身行为、发现问题并自我修正——但现实远没那么简单。
过往RSI方案普遍面临两大结构性困难：缺乏标准答案时的收敛失效，即模型无法判断哪种改进方向是正确的，容易在多个候选策略之间反复横跳，最终无法收敛到稳定解；过度拟合单次任务导致的泛化崩溃，即模型学会了针对当前任务的最优解，但这种「记忆化」反而损害了它在其他任务上的表现，表现为整体性能不升反降。
双层递归架构：任务级与改进级如何分工
Harness²的核心创新是任务级与改进级双层递归架构，两层各司其职、相互配合。
任务级递归（Task-Level Recursion）负责处理具体任务的执行与优化。系统采用「提议—探测—合成」三步机制：首先，大模型针对当前任务提出若干候选改进策略；然后，系统在多个对照条件下分别测试这些候选策略，验证其真实效果；最后，将确认有效的改进安全合并进运行脚手架。整个过程不触及模型权重，只改变模型运行时调用的外部脚本和提示词结构。
改进级递归（Improvement-Level Recursion）则负责将从具体任务中积累的调试经验抽象化、沉淀为可复用知识。有效的改进策略被存入经验库，供后续新任务参考。这意味着系统不仅能解决当前问题，还能从历史成功案例中学习，逐步提升改进质量。
不碰权重的「脚手架工程」：工程实现的三个要点
Harness²的工程实现有几个值得关注的细节：
第一，沙盒化验证。每次候选改进在正式合并前，都会在隔离环境中进行多轮对照实验，排除随机波动的影响，确保改进效果可复现。
第二，经验库的动态衰减。经验库并非永久存储所有历史成功案例，而是采用动态权重机制：长期未复用的经验会逐步降低权重，减少过时策略对新任务的干扰。
第三，权重冻结的边界条件。虽然Harness²声称「不修改模型权重」，但其效果依赖于模型本身具备足够的元认知能力——它本质上是在测试模型对「如何优化策略」这一元问题的推理质量。模型的基线能力越强，脚手架的杠杆效应越显著。
跨模型通用性：Gemini、Claude、GLM均有效
Harness²并非为单一模型定制。谷歌在Gemini、Claude（通过API接入）和GLM三个主流模型系列上验证了其效果，均观察到显著提升。这意味着Harness²的适用性不依赖特定模型的内部结构，而是对模型的推理能力提出了一般性要求：模型需要具备足够的策略评估和选择能力，才能从脚手架的优化中受益。
具体来看，GLM-5在ARC-AGI-3基准上获得11.5分提升，这是一个相当可观的数字——ARC-AGI-3是当前评估AI泛化推理能力最严格的基准之一，1分的提升往往意味着跨过了某个关键的能力门槛。
与同类框架的横向对比
当前在RSI方向上的主要竞争方案包括：OpenAI的Critic模型路线（通过训练专门的批评模型引导主模型改进）、Anthropic的 Constitutional AI路线（通过规则约束引导模型行为），以及DeepSeek的Harness框架（与谷歌方案最接近，但未开源）。
与这些方案相比，Harness²的最大差异在于「零训练成本」：它不依赖任何额外训练，不修改模型权重，只需配置脚手架即可。这意味着任何具备API访问权限的模型都可以直接使用Harness²的框架，无需与特定模型深度绑定。
局限性与未来挑战
Harness²并非没有局限。首先，它的提升效果受限于模型基线能力——对能力较弱的模型，脚手架的杠杆效应有限，提升幅度可能远低于GLM-5的11.5分。其次，任务级递归的三步机制（提议—探测—合成）计算成本较高，每一次迭代都需要额外的模型调用，在延迟敏感场景中需要权衡。第三，经验库的动态衰减机制虽然有助于防止过时知识干扰，但如何设置合理的衰减速度仍是开放问题。
此外，RSI框架的长期稳定性尚未经过充分验证。随着经验库积累的策略越来越多，系统是否会陷入「局部最优陷阱」——即被历史上有效的策略束缚而无法发现颠覆性新方法——仍是未知数。
相关阅读
DeepSeek V4.1 Flash：552B MoE、KV缓存缩小437倍，国产开源模型推理效率新标杆：DeepSeek V4.1 Flash：552B MoE、KV 缓存缩 437 倍
DeepSeek Search/Fetch API：自研搜索引擎对外开放，千次5元，按成功计费：DeepSeek Search API 上线：RAG 与 Agent 补齐实时检索
Qwen3.8-Omni-Flash：29项基准涨25%、API降幅93%，原生全模态Agent：Qwen3.8-Omni-Flash：29项基准涨25%、API降93%
延伸阅读
- DeepSeek Search API 上线：RAG 与 Agent 补齐实时检索2 天前
- 法国兴业银行押注 AI：最多省下 6 亿欧元成本，3.5 亿欧元已排进 2029 年规划4 周前
- MiniMax H3发布：打破任务边界的全模态生成模型，2K视频价格不到主流1/31 周前
- 英伟达 RTX 5090 美国全面下架：消费旗舰停产背后的 AI 算力争夺战4 天前
继续读
同一批更新里这几篇值得一看：