Подразделение Google Research открыло исходный код фреймворка RRSI под лицензией Apache 2.0. Инструмент предназначен для улучшения агентами собственных рабочих сред без риска переобучения. Для работы требуется Python 3.10 или выше, а также поддержка любой модели LiteLLM, при этом настройки по умолчанию ориентированы на Claude Opus 4.8 в Vertex AI.
Авторы исследования выделили три проблемы самообучающихся систем: подгонку под конкретные бенчмарки, накопление шума и избыточную сложность. RRSI решает их через регуляризацию процесса поиска, используя аналоги классических методов: L0 для бюджета правок, L1 для прунинга и L2 для правил стоимости.
Тестирование показало рост показателей на всех шести контрольных выборках. При использовании модели Gemini 3.5 Flash результат Terminal-Bench 2.1 вырос с 64,6 до 78,7, а SWE-bench Verified — с 76,8 до 79,0. Фреймворк также оказался экономичнее: он расходует 2,42 миллиона токенов политики за попытку против 3,80 миллиона у стандартных методов.
Для запуска системы необходимо клонировать репозиторий и установить зависимости. Работа в домене кодинга требует наличия Docker и Harbor. В каждом цикле RRSI создает двух кандидатов в отдельных рабочих деревьях git, проводит их оценку и выбирает лучший вариант для обновления основной ветки.
