谷歌开源 RSI 新成果 Harness²，可提升大模型跑分

谷歌开源递归自我改进框架 Harness²，无需修改大模型权重，仅优化外围运行脚手架即可大幅提升模型表现。该框架通过任务级、改进级双层递归架构，解决过往 RSI 方案无标准答案易走偏、易过度拟合单次任务的两大死穴：任务级递归通过提议-探测-合成机制，在无标准答案的场景下对照验证有效改动并合并进脚手架，还支持并行扩展拓宽搜索空间。改进级递归将调试经验沉淀进持续改进经验库，后续新任务可直接检索复用相关经验，实现改进能力的持续迭代。实测显示接入 Harness² 后，GLM-5 在办公基准 WorkBuddy-Bench 上得分暴涨 11.5 分，反超原生 Gemini 3.5 Flash，在 JobBench、法律基准 LAB 等测试中也有显著性能提升，跨领域迁移经验库还能进一步提升表现。该方案跳出了过往依赖基座模型参数缩放的路径，探索出了让 Agent 在运行中自我感知、自我修补的 Runtime 认知工程新路径，相关核心团队华人占比达 78%。