改变 RSI 的基本演化单位，从任务转变为能力，有望从针对具体任务的局部优化，走向跨任务、跨模态的持续演化。
近日，来自深圳的深圳无尽递归智能科技有限公司提出全模态全任务递归自我改进框架 The Trinity，以能力作为基本演化单位，通过 Creator、Explorer 和 Evolver 三个角色的协作，推动环境生成与 Harness 协同进化。
该框架首先将任务分类为 Task Tree，然后根据测试轨迹分析出每个任务所需的能力，依据能力将 Task Tree 转换为 Capability Tree，最后沿着 Capability Tree 进化得到 Harness Tree。
经过四轮 RSI，The Trinity 在 28 个训练基准和 18 个未见基准上的平均得分分别提升 34.1 分和 26.2 分，并初步展现了向真实机器人任务迁移的潜力。
这项工作为 Agent 从任务驱动的局部优化走向能力驱动的跨任务、跨模态持续演化，提供了一条新的探索路径。
实验结果
1. 多模态任务：四轮 RSI，未见任务也在持续提升
在 ARC-AGI-3、buildarena、video mme v2、phyre、SOON、CaP-X 等28 个跨模态、跨领域训练 Benchmark 上平均提升 34 分，在 18 个 Unseen Benchmark 上平均提升 26 分。
第一轮带来了最大的提升，但后续三轮仍然有收益，未见任务上的成绩也随迭代提高。
当然，不是每个 benchmark 都会持续上涨，部分任务很早达到平台，个别任务还出现了小幅回退。但整体来看，系统能够在固定的能力树上多轮积累改进，并将其迁移到训练之外的任务。
2. Embodied Transfer：在模拟环境里学到的东西，能否用到真实机器人上？
最后，我们把演化后的 Harness 用到了两个真实具身任务中。
一个是 SOON：Unitree G1 需要在办公室中找到风扇旁的目标桌子，并走到可以触及的位置；另一个是 CaP-X：AlohaMini2 需要检查倒扣的杯子，判断其中是否藏有方块，并报告它的颜色与位置。
这两个任务都需要智能体在行动过程中持续获取环境信息，并在证据充分后作出决定。我们将能力树对应节点的演化 Harness 用于这两个任务，并通过重建的模拟环境准备任务 Skill，随后在真实机器人上评估。
最终，SOON 的真实任务成功率从 0% 提升到60%，CaP-X 也从 0% 提升到60%。
一、多模态智能体递归自我改进的瓶颈与挑战
给智能体一个任务，让它执行、获取反馈、调整策略，再重新执行——这是当前许多 Recursive Self-Improvement（RSI）工作的基本思路。围绕几个 benchmark 建立这样的反馈循环，通过分析失败轨迹，不断优化提示词、工具和执行流程，确实能够带来性能提升。
但当我们试图将这套方法扩展到多模态长程交互任务时，原本相对简单的反馈循环开始面临新的挑战。
1. 首先是环境的规模化构建。从 ARC-AGI-3、交互游戏，到 GUI 操作、机器人导航与操作，不同任务的观察形式、状态空间、动作规则和成功条件各不相同。要让智能体持续接触更多样化的任务，就需要不断构建并验证新的交互环境。依赖人工逐一完成这些工作，成本显然难以随着任务数量持续扩展。
2. Harness 的迭代也面临类似的问题。智能体的表现不仅取决于模型本身，也越来越受到提示词、工具配置和执行流程的影响。随着任务变得更加复杂和多样，人工设计和优化 Harness 的速度，很难跟上任务需求的变化。
一个自然的想法是：既然人工构建环境和优化 Harness 都存在瓶颈，能否将这两个过程也交给智能体自动完成？
我们提出了环境与智能体协同进化的方案，这确实能够缓解规模化的问题，但也带来了更深一层的思考。
假设一个系统已经能够自动生成一百个任务，并为每个任务演化出更好的 Harness。最终，它可能获得了一百套经过优化的解决方案。然而，这一百次改进究竟是在共同推动系统进步，还是仅仅完成了一百次相互独立的局部优化？
这里存在两个相互关联的问题。
1. 经验的组织方式。如果经验始终围绕单个任务积累，优化结果容易局限于特定环境，难以迁移到其他任务；但如果将所有经验都整合进同一个 Harness，不同任务之间的需求又可能相互干扰，反而限制性能。
2. 改进的演化方式。即使每一轮都能够产生更好的策略，系统仍然需要一种机制，让已有改进能够被保留，在后续任务中被继承和复用，并随着不同能力需求逐渐调整、分化，而不是每次都从头开始优化。
由此可见，任务数量的增长，并不意味着改进能够持续积累；局部性能的提升，也不必然带来跨任务的能力增长。
真正值得思考的是：能否找到一种超越具体任务的组织方式，让不同任务中获得的经验相互关联，使一次改进能够成为后续改进的基础，并在持续迭代中不断演化？
这也是我们重新思考 RSI 驱动力的出发点。
二、两个机制：协同进化与共享能力
我们更愿意把多模态智能的发展理解为一种由人类引导的 Agent 与 World 的协同进化。
World 提供任务与反馈，Agent 通过交互学习如何解决问题。过去，这个循环大部分由人完成：人选择任务、构建环境，再根据失败轨迹修改智能体。
如果希望让这个过程持续进行，至少需要两个机制。
机制 1：Agent–Environment Co-evolution，让环境与智能体相互推动
通过智能体与环境的协同进化，让环境根据智能体的表现生成和调整训练挑战，让智能体利用环境反馈持续优化 Harness。两者相互驱动，减少对人工构建环境和迭代 Harness 的依赖，使规模化的递归改进成为可能。
机制 2：Shared Capability Requirements，不同任务可能需要相同的底层能力
任务在模态、形式和目标上可能截然不同，却可能依赖相同的底层能力。例如，ARC-AGI-3 与 Micromouse 虽然任务形式不同，却都依赖准确的感知与状态追踪。
这意味着，一个任务可能需要多种能力，而同一种能力也可能服务于多个不同任务。如果能够围绕这些共同需求组织经验，原本分散的任务反馈就有机会成为可共享、可迁移的学习信号。
如果能够从不同任务中找到共同的能力需求，就不必再把每个任务当成完全独立的学习目标。我们可以围绕这些共性积累经验，再根据不同任务的需求进行组合和特化。
这也是 Capability-driven RSI 的核心出发点。
三、The Trinity：从 Task-driven 到 Capability-driven RSI
基于前面的观察，我们提出了The Trinity，将环境生成与 Harness 演化放进同一个 RSI 框架。
系统中一个模型包含三个角色：Creator 负责构建世界，Explorer 负责探索世界，Evolver 负责分析反馈并指导两者的改进。三个角色使用固定的基础模型，改进主要发生在 Harness 层面。
但这里最重要的变化，并不是简单地把三个角色组合起来，而是将系统的学习单位从 Task 转向 Capability。
1. Task Tree → Capability Tree：重新组织经验
首先，我们收集不同类型的多模态任务，构建 Task Tree，并让初始 Harness 在这些任务上执行，得到可验证的交互轨迹。
Evolver 根据任务定义和实际执行轨迹，分析任务需要哪些能力，以及失败发生在哪些决策环节。
随后，我们不再按照原有任务类别组织这些经验，而是根据共享的能力需求，重新构建一棵 Capability Tree。
同一种能力可以被不同任务共享，而一个任务也可以同时需要多种能力。因此，树上的路径代表的是能力需求的组合，而不是任务类别的从属关系。
这一步的意义在于：原本分散在不同 benchmark 中的经验，现在有了共同的组织依据。
2. Capability-Driven Real2Sim2Real：围绕能力生成训练环境
有了 Capability Tree，环境应该怎么生成？
传统的 Real2Sim2Real 往往需要针对特定真实任务构建对应的模拟环境。但如果我们的目标不是复刻任务，而是学习任务背后的共同能力，环境设计就有了另一种可能。
对于 Capability Tree 上的一个节点，Creator 会提取相关任务共同依赖的决策机制，生成更简洁、可验证的模拟世界。
例如，几个任务都需要在行动前验证证据是否充分，那么训练环境就可以围绕这一决策过程设计，而不必完整复制原始任务的所有视觉细节、场景结构和动作规则。
Explorer 在这些模拟环境中学习，而原始 benchmark 用于检验学到的能力能否迁移回去。
这里的关键不是让模拟环境越复杂越好，而是尽可能保留需要学习的决策机制，同时减少与它无关的复杂因素，得到更干净的进化信号。
3. Harness Tree：让已有改进成为下一轮改进的起点
Harness 可以拆分为 Perception、Memory、Inference、Planning、Orchestration 和 Loop 等不同协议模块。不同能力的提升，可能需要不同模块的配合。
在 The Trinity 中，Explorer 沿着 Capability Tree 逐节点演化 Harness。每个节点既可以选择性继承父节点已经学到的模块，也可以根据本节点的失败轨迹修改或增加模块。因此，当任务需要更多能力时，系统不必重新从零构建一套 Harness，而是可以在已有配置的基础上继续改进。
不同分支也不必强行合并成一个全局最优解。它们可以共享已有模块，同时保留各自针对特定能力需求的修改。
经过多轮迭代，这些模块逐渐形成一棵 Harness Tree。Creator 也会根据环境验证失败持续改进自己的 Harness，并在每轮结束时整合已验证的模块更新，用于下一轮环境构建。
4. Capability-Aware Router：不同任务，选择不同的 Harness
Harness Tree 也带来一个很自然的问题：既然不同分支已经产生了不同的专业化配置，遇到新任务时，应该用哪一个？
我们进一步引入 Capability-Aware Harness Router。Router 根据任务的公开信息、候选 Harness 的能力描述，以及过去经过验证的执行经验，选择更适合当前任务的 Harness。它不需要提前知道任务的真实能力标签，也不需要把所有模块都装进同一个 Harness。
到这里，整个方法的逻辑才完整：任务提供能力需求，Creator 围绕这些需求生成训练环境，Explorer 根据反馈演化模块，Harness Tree 保留已有改进，Router 则负责把合适的配置用到新的任务上。
四、实验分析
1. Task vs. Capability：组织方式真的会影响最终学到什么
我们比较了不同的经验组织方式，以及 Capability-Driven Real2Sim2Real 带来的收益。
其中虽然 Sim 首轮构建成本更高，但环境可以在后续迭代中复用，推理成本也更低。这说明，相比单纯围绕任务优化，按能力组织经验，并针对共同能力生成训练环境，能够带来更好的跨任务迁移，证明了 less is more。
2. Agent as a Router：专业化之后，能不能选对 Harness？
Harness Tree 允许不同分支各自优化，但如果使用时选错配置，这种专业化就失去了意义。因此，我们进一步比较了不同的 Harness 选择方式。这也解释了为什么我们不希望最终只得到一个越来越庞大的统一 Harness：不同任务可以依赖不同的模块组合，而选择本身也可以成为智能体需要学习的一部分。
3. Capability–Module Relationships：能力划分真的能指导模块设计吗？
我们首先分析了第四轮 RSI 后 29 个 Module 与六类 Capability 的关系，发现不同能力确实对应不同的模块偏好，Capability 不仅能用于组织任务，还能为 Harness 的模块选择与组合提供依据。
4. 自定义 Capability Tree：从固定拓扑走向结构探索
前面的实验验证了 Capability-driven RSI 的有效性，但还有一个值得进一步探索的问题：Capability Tree 本身应该如何构建？
目前，The Trinity 根据训练任务的能力需求构建 Capability Tree，并在固定拓扑下进行 Harness 演化。这样的设计能够让我们更清楚地观察能力共享、选择性继承和局部优化带来的收益，但也存在一定局限：树的结构一旦确定，就不会随着后续学习动态调整。不同的能力划分、节点组合和继承关系，是否会影响最终的改进效果，仍然值得研究。
为此，团队进一步开源了一个支持自定义 Capability Tree 的探索性实验，允许研究者自定义能力节点、调整树的层级与分支结构，并为不同节点设计对应的仿真训练环境，从而在不同的能力组织方式下开展 RSI 实验。
这使我们能够进一步探索一些有趣的问题：哪些能力适合共享，哪些应该独立演化？不同的树结构会如何影响 Harness 的继承与特化？当任务类型不断扩展时，能力树应该保持稳定，还是允许节点不断分化、合并与重组？
这些问题目前还没有确定的答案，但自定义实验为探索它们提供了一个起点。
如果说当前的 The Trinity 验证了沿能力树进行递归改进的可行性，那么下一步值得探索的，就是让能力树本身也成为可以优化和演化的对象。
从固定能力结构上的持续改进，走向能力结构与 Harness 的共同演化，也可能是 Capability-driven RSI 进一步发展的方向。
结语：什么驱动进化，进化又塑造什么？
回到最开始的问题。如果 RSI 始终围绕独立任务展开，系统就容易局限于各自的局部目标。增加任务数量，或许能够积累更多解决方案，却不意味着这些经验能够相互关联，更不意味着它们会自然沉淀为可复用的能力。
扩大演化范围、优化版本选择与种子任务集，或是让决策 Agent 本身也参与演化，都在尝试提升 RSI 的搜索与更新效率。
但即使系统拥有足够强的改进能力，能够记录并保留所有历史经验，一个更根本的问题依然存在：哪些经验值得共享？哪些改进需要独立保留？不同任务的演化又该如何相互关联？
Capability-driven RSI 尝试从另一个角度回答这些问题：不再仅以任务本身作为优化单位，而是让任务背后的共同能力需求成为驱动改进的依据。
The Trinity 沿着这一思路，将环境构建、经验积累与 Harness 演化组织在共同的能力结构之下。一方面，通过共享能力需求连接不同任务，让经验能够跨任务复用；另一方面，通过分支化的 Harness 演化保留不同能力的优化方向，使已有改进能够被继承、调整与组合。
这种组织方式不仅有助于缓解任务级优化带来的过拟合与 reward hacking 风险，也让局部的性能提升有机会逐渐转化为更具泛化性的能力积累。
论文及作者信息
作者介绍：
该工作的项目负责人为西安电子科技大学本科生汤维栋，主要研究方向为多模态大模型、递归自我进化、具身智能；同济大学本科生王瑞恒、新加坡国立大学硕士生张景轩以及 InfRec 首席执行官王和新为主要贡献者。通讯作者是新加坡国立大学博士生周鹏飞、香港中文大学博士生张昊天、新加坡国立大学校长青年教授尤洋老师。
