Recursive Self-Improvement

是什么

在 RSI 中，AI 直接找出需要改进的地方，生成修改方案，并根据评估结果尝试下一轮改进。过去是由人类研究者改变数据、算法和模型结构，然后重新训练模型来提升性能，这一点与之不同。这个概念本身由来已久。据韩国媒体报道，数学家欧文·约翰·古德在 1965 年提出了“智能爆炸”的可能性，此后于尔根·施密德胡伯提出了“哥德尔机”，这是一种程序自行修改自身的理论体系。近来，随着 LLM 的编程和推理能力以及智能体的工具使用能力提高，已经可以在狭窄领域中直接进行实验。关键不在于分数是否提高一次，而在于“改进的能力”本身是否变得更好。

如何运作

基本循环很简单：运行当前版本，找出弱点，生成修改方案并评估，如果更好就纳入下一个版本，然后回到起点。Weco AI 研究团队于 2026 年 9 月公开的 AIDE² 是一个让研究智能体修改并评估自身代码、选出更好版本的系统。据介绍，它在约 8 天内连续七次找到改进点，其中包括新的搜索方式和用于长任务的记忆管理。近期的实验更多是修改包裹模型的 Harness（提示词、工具、记忆、工作流代码），而不是模型权重。UCSB 与 Microsoft 的 ScholarEvolve 在分析失败案例后检索相关论文，把解决方案实现到代码中，模型权重保持不变。Google 的 Harness² 使用两层循环：在每个任务上测试修改方案，只合并经确认有效的修改，并把这些经验积累为记录，用于下一轮改进。

为何受到关注

有分析认为，AI 竞争的焦点正在从更大的模型、更多的数据、更多的算力，转向“AI 自行提升性能的能力”。如果这成为现实，AI 开发对人类研究者时间和专业知识的依赖程度可能会改变。Google 联合创始人谢尔盖·布林在 2026 年 10 月表示，Gemini 模型在后续模型开发中提供帮助的比重正在增加，Google 已开始进入 RSI 轨道。修改 Harness 的方式无需重新训练模型就能改进智能体，因此也被认为有企业应用的可能。

需要了解的点（局限）

不应把当前的研究自动化等同于“无需人工介入、无限提升智能的完全 RSI”。布林举的例子也是研究人员与 AI 共同打造后续模型的方式，Google 也表示代码变更在合并前由人工审查。现实任务没有标准答案，因此很难判断一次修改是否真的是改进。为某个任务调整的规则，在下一个任务中反而可能成为负担。还存在只刷高评估分数的奖励黑客风险，因此由谁来验证结果、允许多大程度的自主性，仍是重大课题。所介绍的成果数值大多由研究团队自行公布。

示例

Google 在 2026 年 10 月介绍“Gemini 4 Argon”的开发过程时，展示了 AI 参与下一代模型开发的情况。AI 智能体被用于监控大规模训练任务、查找配置错误和 bug、检查数据重复。Google 在安全报告中表示，实际服务代码和 bug 修复的大部分由 AI 智能体编写。不过报告也写明，代码变更在合并前由人工审查。这一场景展示了“部分 RSI”的现状：由人负责最终确认，AI 加快开发速度。

相关术语

AI 智能体 Harness Harness² 奖励黑客 人在回路 AGI

参考资料

• “AI 自己打造更强 AI 的世界”……“递归自我改进”，超级智能竞争的新分水岭（《人工智能新闻》）
• 阅读学术论文并修改代码的自我进化智能体“ScholarEvolve”问世（AI Times）
• RSI-Anything: Unlocking Recursive Self-Improvement with World Models (alphaXiv)
• Why is Google betting big on RSI? (36Kr)
• Recursive Self-Improvement and Automated AI Research and Development (RAND)
• The Sequence Knowledge - Issue 949: Learning RSI: AI Is Helping Build AI. Who Sets the Agenda? (TheSequence | Jesus Rodriguez)