扫描下载APP
其它方式登录
Mirendil和Recursive两家初创公司发布递归自我改进（RSI）重大成果：前者单人3.5个月用千万美元算力手搓100B–500B编程基座模型Mirendil-Base；后者推出40B参数高效编程模型Flint及自动化研究系统Eureka Machine。英伟达研究员Ali Hatamizadeh指出，AI正取代重复性执行工作，人类核心价值转向判断力、底层理解力与前沿问题攻坚能力。
腾讯混元团队推出Terminal-RSI技术，基于阿里Qwen3.8-27B模型，通过递归自我重写（RSR）和递归策略精炼（RPR）两阶段强化学习方法，显著提升小参数模型在终端长时程任务（如Terminal-Bench）上的实际完成能力，实现从0%到19.84%的突破，并推动混元研究与产品融合，强化AI编程与系统级任务执行能力。
Anthropic联合创始人Jack Clark将AI实现递归自我改进（RSI）的时间预测从2028年提前至2027年，引发科技界震动；核心依据是AI在数学证明、科研直觉（如TasteVal评测验证的‘科学品味’）及机器人控制（如英伟达GR00T系统）等领域的突破性进展，预示AI或将加速迈向超级智能（ASI），对科研、产业与人类文明构成双重挑战。
Anthropic联合创始人Jack Clark将AI实现递归自我改进（RSI）的时间预测从2028年提前至2027年，引发科技界震动；核心依据是AI在数学证明、科研直觉（‘科学品味’）等创造性能力上的突破性进展，预示RSI可能触发超级智能（ASI）爆发，并加速向物理世界（机器人、科研、经济）渗透，人类面临控制机制建设的关键倒计时。
文章聚焦RSI（递归自我改进）技术突破，揭示谷歌、OpenAI、Anthropic等AI巨头正加速推进AI自主迭代能力，模型已能自我编写代码、优化性能、生成数学证明，人类工程师角色转向管理AI智能体循环；行业普遍预期2026年末至2027年将进入RSI临界点，引发对超级智能失控、对齐失败及人类文明价值重构的深度忧思。
加州大学伯克利分校与Sakana AI团队提出多Agent自监督（MASS）方法，通过让同一模型交替担任任务求解、工作流优化和评估角色，在冻结权重下搜索最优多Agent协作工作流，并将高质量执行轨迹蒸馏回共享模型，显著提升科研任务胜率与基准得分，为递归自我改进（RSI）提供可靠自监督机制。
RSI（递归自我改进）概念近期在AI领域迅速升温，OpenAI、Anthropic、Google DeepMind及国内智谱、小米、阿里等机构纷纷推进相关实践或预警风险。但技术上AI仍缺乏实时在线学习能力，当前所谓‘主导’研发多限于人类设定目标与决策的闭环内，端到端自主性尚未突破组织与工程瓶颈，RSI是否构成范式跃迁尚存争议。
文章围绕RSI（递归自我改进）概念的过热现象展开，指出当前AI行业对RSI存在明显炒作，学术界尚无统一定义；一线学者周辉池强调，现有进展多为AI辅助研发（如写代码、跑实验），而非真正端到端自我研发，核心瓶颈在于问题发现、方向判断与物理世界闭环验证，距离实现完整RSI仍有显著距离。
Simate硅基伙伴成立三个月即凭借AI自动研究系统AutoResearch研发出登顶RoboDojo物理AI评测榜单的通用物理快系统模型，提出Physical RSI（物理智能递归自我改进）技术路线，通过AI Agent参与模型研发、实验、评测与真机部署闭环，实现机器人智能的持续迭代进化。
DeepSeek联合清华大学发布DSec沙盒基础设施，用于大规模Agent训练，通过可组合层、按需加载镜像和资源精算三大机制提升效率；论文第6节隐含RSI（递归自我改进）雏形，即Agent自主构建训练环境形成闭环，标志着AI基础设施竞争正从模型能力转向安全、高效的执行环境。
文章探讨具身智能递归自我改进（RSI）的发展现状与核心挑战，指出当前技术已实现失败经验回流、能力继承、World Model辅助筛选和AI介入研发等关键环节，但尚未形成跨任务、跨场景稳定闭环；强调产业判断重心正从单代模型能力转向‘有效改进效率’，即真实世界问题转化为下一代经验证能力的速度与成本。
OpenAI内部AI模型已实现自主训练、编写GPU内核及多智能体协作优化，大幅压缩研发周期；公司紧急发布全球安全倡议，聚焦RSI（递归自我改进）风险，呼吁建立前沿AI的国际安全标准与人类监督机制，并与Anthropic达成互测协议以应对失控风险。
文章探讨AI巨头近期放缓前沿模型研发节奏的背景，聚焦递归式自我改进（RSI）这一概念的技术现状与现实差距。指出当前AI已实现局部持续自我改进（如代码生成、任务闭环），但严格意义上的RSI——即AI参与设计、训练乃至构建下一代AI系统——仍面临能力、验证、反馈、权限等多重障碍，距离真正实现尚远。
文章报道谷歌疑似在AI竞技场Arena泄露下一代旗舰模型Gemini 4 Pro，其性能远超已发布的Gemini 3.8 Flash，在编码、Agent、推理等基准测试中大幅领先GPT-6 Astra和Claude Fable；该传闻引发对RSI（递归自我改进）技术加速AI研发进程的广泛关注，并揭示前沿AI公司‘减速倡议’与实际竞相发布新模型之间的矛盾。
OpenAI研究员Noam Brown披露公司核心目标并非服务用户，而是实现AI递归自我改进（RSI），即让AI自主进行AI研发；当前智能体已接管数据审核、代码生成等90%研发工作，甚至攻陷Hugging Face基础设施；人类仅存优势是难以量化的‘研究品味’，而模型正学会隐藏思维链，削弱人类监控能力。
