📖 AI 总结

谷歌开源了名为Harness²的递归自我改进框架，让大模型在运行中自主修改外挂代码、系统提示词、工具链和技能库。针对以往RSI在开放场景中缺乏标准答案、易过拟合单次任务的两大痛点，该框架采用任务级与改进级双层递归架构：前者通过提议-探测-合成机制，在无标准答案条件下以行为对比验证修改有效性；后者将调试经验沉淀为可检索的经验库，使改进能力本身持续进化。实测中，装配该框架的GLM-5在办公基准WorkBuddy-Bench上提升11.5分，反超原生Gemini 3.5 Flash；在JobBench和LAB法律基准上亦有显著提升，经验库跨领域迁移还能带来无额外探测的涨分。该成果的意义在于，将AI能力提升的路径从单纯依赖底座模型Scaling，转向运行时的自我感知与持续修补，为长尾落地问题提供了新解法。