固定模型也能持续进化：Harness RSI 为智能体搭建自我改进框架

导语

当人们谈论“会学习的智能体”时，注意力通常集中在模型权重更新上。但一个智能体的实际表现，还取决于提示词、记忆系统、工作流、工具调用和运行时权限等外围软件。论文《Self-Evolving Agent Harness》提出的 Harness RSI，正是围绕这些部分建立的一套自我进化分析框架：基础模型保持不变，系统通过执行反馈提出并保留对自身支架的修改。

核心要点

• 进化对象不止是提示词。 研究把可更新内容分为由固定组件解释的状态，例如指令、记忆和工作流规范；也包括可执行工具、运行时代码、仓库级控制逻辑以及插件组合。不同对象对应不同的风险、验证方式和回滚难度。
• 提案与准入被明确分开。 系统可以通过经验反馈产生候选修改，但“提出修改”并不等于“允许上线”。这种划分有助于将搜索效率与安全审查、独立验证和权限控制分别设计。
• 持续收益需要更严格的证据。 论文将一次性能提升拆成四个问题：评估结果是否独立于搜索过程，更新是否实际被调用，差异是否确由该更新造成，以及收益能否推广到产生更新之外的任务。单一测试集上的分数上升，无法同时回答这些问题。
• 理论上引入进化优化与持续学习。 研究讨论了在历史版本不断保留的情况下，如何理解搜索过程，并在明确假设下给出预期泛化、历史回归预算条件下的保留，以及基于新鲜独立验证数据的高概率准入分析。

为什么重要

Harness RSI 提供了一种不同于“重新训练大模型”的扩展路径。对于个人助理、企业自动化、科学发现、机器人和公共服务等场景，团队可能更容易审查和替换一个工作流或工具模块，而不是重新训练整个模型。持久化修改还可能让经验在不同任务、团队和插件之间共享，形成类似组织记忆的能力积累。

但这种能力也带来新的失控面。被修改的不只是文本提示，还可能是能执行代码、调用外部服务或影响现实流程的组件。一个在历史任务上表现更好的更新，可能在分布变化后产生回归；而如果验证数据参与了候选搜索，最终分数还可能高估真实泛化能力。因此，论文强调需要持续验证、独立评估，并将学习权限、运行时权限和高后果行动的安全措施分开设置。

从工程角度看，这项工作更像是一份设计地图，而不是一个已经解决所有问题的自动进化系统。它提醒开发者：智能体的“学习”不仅是让模型记住更多内容，也是在不断改写软件系统本身。要让这种改写可靠落地，版本治理、可观测性、回归测试、权限隔离和责任追踪必须与搜索算法同步建设。

来源：Hugging Face Daily Papers