Google Research выпустила гайд по RRSI — методу самосовершенствования AI-агентов

Google Research представила RRSI (Regularized Recursive Self-Improvement) — подход, при котором агент на основе большой языковой модели может самостоятельно переписывать свою обвязку: промпты, инструменты, память, поток управления и даже дочерних агентов. При этом базовая модель остаётся замороженной, что предотвращает переобучение на конкретные задачи. Полный цикл RRSI использует Claude Opus на Vertex AI для генерации правок и Docker для их оценки, но ключевая логика отбора лучших изменений реализована на чистом Python.

В опубликованном гайде авторы проводят читателя по всем компонентам метода: от установки пакета из официального репозитория до разбора оценщика, калиброванной шумовой полосы, алгоритма выбора (две ветви), аннелированного бюджета правок, детерминированного экрана утечки и истории изменений. Каждый элемент сопоставляется с соответствующими уравнениями и кодом из библиотеки.

Особенность руководства — симуляция агента через собственный интерфейс Domain, где известен истинный эффект каждой правки. Это позволяет проверить решения RRSI на достоверность и сравнить их с нерегуляризованным поиском, который просто оставляет лучшие по скору изменения. Примеры не требуют API-ключей или GPU и могут быть запущены в обычной Python-среде.