新版 RSI 优化器正式上新，最大的升级点就是支持经验可继承，解决了老版本每次开启新任务，之前调优积累的有效策略、参数方案、避坑经验全部清零的痛点，能够把过往任务验证通过的优化轨迹、执行流程、测试代码存入经验库，后续新任务启动时直接调取参考，不用从零开始反复试错。传统 AI 优化器大多是单次任务独立运行，任务结束之后所有调优记录不会留存，同类任务重复调试会消耗大量算力和时间，而 RSI 优化器依靠元智能体复盘每一轮优化结果，把成功方案、失败教训整理成结构化经验存档，支持跨任务、跨模型迁移使用。这套机制的运行流程分为四步，首先执行一轮优化实验，收集评估指标；然后元智能体复盘本次优化的全部证据，筛选有效的策略；接着把经过验证的方案存入经验库；最后在新任务启动时检索匹配相似经验，辅助快速生成优化策略。从实测数据来看，在 PDE 方程求解任务上，继承历史经验后的版本对比固定策略基线，误差最多下降 8.8 倍，在演化基准任务上，优化得分也有明显提升，不过经验继承效果会受任务相似度、基础大模型能力影响，跨领域陌生任务的迁移效果会打折扣。
RSI 优化器新旧版本对比表
| 项目 | 旧版 RSI 优化器 | 新版 RSI 优化器（支持经验继承） |
|---|---|---|
| 经验留存 | 单次任务结束，经验清空 | 建立经验档案库，长期保存验证后的策略 |
| 任务启动方式 | 每次从零开始搜索优化方案 | 检索历史相似经验，优先复用成熟方案 |
| 算力消耗 | 同类任务重复试错，算力开销高 | 减少重复无效实验，节约算力 |
| 迁移能力 | 不支持跨任务迁移 | 支持同类型任务经验迁移，陌生任务迁移有限 |
| 核心组件 | 基础优化执行智能体 | 执行智能体 + 复盘元智能体 + 经验存档库 |
经验继承核心工作流程清单
- 实验执行：运行优化任务，记录参数、代码、评估结果、指标数据
- 复盘校验：元智能体分析本次优化，区分有效策略和无效踩坑方案
- 归档入库：将经过验证的流程、提示词、代码脚本存入经验库
- 检索复用：新任务发起时，匹配历史经验，作为本轮优化的初始参考
适用场景与局限
✅ 适合场景
- 模型训练调参、PDE 微分方程求解
- 重复度高的同类优化、算子调试、提示词迭代
- 多轮迭代搜索最优策略的自动化实验
- 完全陌生、和历史样本差异极大的任务，经验参考价值有限
- 经验继承不代表直接套用，系统依然会做新一轮验证，避免过拟合
- 迁移效果和底层所用大模型版本强相关
⚠️ 局限说明
【相关 FAQ】
问题 1：RSI 优化器上新，经验可继承是什么意思？
回答 1：RSI 优化器上新，经验可继承指优化器可以把过往任务里验证有效的调参策略、代码方案、避坑记录存入经验库，新任务启动时直接调取复用，不用每次从头试错。
问题 2：RSI 优化器上新，经验可继承相比老版本能带来哪些提升？
回答 2：RSI 优化器上新，经验可继承可以减少同类任务重复试错，节省算力，在 PDE 任务中误差最高降低 8.8 倍，演化基准任务的优化得分也有明显上涨。
问题 3：RSI 优化器上新，经验可继承是所有任务都能直接照搬旧经验吗？
回答 3：RSI 优化器上新，经验可继承不是所有任务都能直接照搬，只有相似度高的任务复用效果更好，完全陌生的跨领域任务，经验迁移效果会下降。
问题 4：RSI 优化器上新，经验可继承依靠什么模块完成经验复盘？
回答 4：RSI 优化器上新，经验可继承依靠元智能体模块，负责复盘每一轮优化实验的结果，筛选有效方案，再归档到经验库，供后续任务检索使用。
【参考资料】
[2026-10-23]（RSI-Opt：Recursive Self-Improvement Optimizer Agents For Model Training）arXiv
[2026-10-26]（RSI-Opt：LLM 智能体学会自主优化神经网络训练）AiKraft
[2026-10-19]（Harness² 递归自改进框架：AI 优化经验持续沉淀）36 氪
[2026-09-14]（openJiuwen RSI 框架落地，智能体支持任务经验沉淀）中国日报网
【免责声明】
本文仅为 RSI 优化器上新、经验可继承相关技术资讯整理，性能提升数据来自论文实验环境，实际落地效果受任务类型、底层模型、算力配置影响，不代表商用落地保证，不构成技术选型、采购部署建议。