RRSI：让Agent改自己的外壳，同时限制对评测题过拟合
RRSI: Regularized Recursive Self-Improvement of Agent Harnesses
冻结基础模型，自动修改提示、控制流、工具、记忆和上下文，并用泄漏审查、噪声门槛、成本规则与裁剪筛选修改。搜索集增益大于分布外增益，完整流程依赖多个模型角色与昂贵评测；代码已开放，本期补看。
相关期次：2026-09-23 精选
阅读笔记
RRSI冻结基础模型，只让系统修改提示、控制流、工具、技能、记忆、子Agent和上下文管理。它用编辑预算、历史去重、基准泄漏critic、噪声门槛、成本规则与组件裁剪，减少Agent外壳搜索对固定评测的过拟合。
论文在八个基准上报告：搜索集最高提升14.1个百分点，五项分布外评测最高提升4.7个百分点，并比未正则化演化少用30%策略token。Terminal-Bench 2.1从74.2升到80.2，SWE-bench Verified从82.0升到83.8。
需要注意：完整搜索使用多个模型角色，主要是Claude Opus 4.8，部分judge使用Gemini 3.5；这不是单一模型无人协助地自我进化。论文提交比本期严格窗口早约5小时，因此列作近期补看。重要度8.8/10。
原文：https://arxiv.org/abs/2609.24972
代码：https://github.com/google-research/rrsi
项目：https://regularized-rsi.com/
本期资料页：https://www.asteronline.cn/juju-radar/2026-09-23/
AI辅助整理。
笔记记录收录当期的判断。阅读一手材料不等于独立复现；后续进展请以原始来源为准。