两家草创公司直接把这个词当成了公司名 ，很多尝试室起头在路线图里塞进一个叫做RSI的三字缩写中 ，也就是递归的英文名——recursive self-improvement（递归式自我改进）。就像AGI一样 ，RSI在造成一个让人既兴奋又忐忑的行业记号 ，哪怕各人对它的界说还没齐全对齐。
什么是RSI ？单一来说 ，就是让AI自己训练自己 ，在技术界 ，RSI一向被视为人为智能进取的重要标志之一 ，与影象、推理和多模态并列 ，唯一的限度是算力 ，人类在其中已经不是必要前提 ，甚至连副手都算不上。
听起来很科幻 ，或者说 ，听起来很危险 ？但默默下来想 ，这不是AI行业的第一次狂热。从2016年的AlphaGo到2023年的ChatGPT ，再到今天各家大模型参数军备较量 ，AI行业的性子就是追赶下一个“扭转所佑妆的器材 ，在雷科技AGI（ID：leikejiagi）看来 ，RSI可能就是下一场狂欢。
另一个更让圈内人津津乐路的案例 ，是?安德烈·卡帕西（Andrej Karpathy）推动的一个叫Auto-Research的项目：用智能体集群来训练说话模型 ，让模型自己做单一的钻研工作 ，自己去改进自己。
安德烈·卡帕西也是一个传怪杰物 ，他在特斯拉做自动驾驶、在OpenAI做GPT都留下过硬货。此刻他把RSI当成下一站来all in ，并且是用公开通明的方式在推动 ，这也注明他是真的以为这事能够做到。
有意思的是 ，他对这个项目出奇地坦诚 ，定期在推特上更新进展 ，代码也开了GitHub公开仓库。当然 ，?安德烈·卡帕西自己也说了 ，目前的工作还是在GPT-2级此外幼模型上做迭代 ，“还不是什么突破性钻研（临时）” ，但这已经足够带头一大批钻研者跟进了。
更沉要的是 ，?安德烈·卡帕西最近参与了Anthropic的预训练团队。Anthropic有Claude ，卡帕西有auto-research这套步骤论 ，双方一合 ，大模型+自训练循环 ，一旦跑通 ，就不是GPT-2级此外幼打幼闹了。
另一家叫Adaption的公司推出了一个AutoScientist工具 ，指标是自动化前沿模型的训练过程。逻辑跟?安德烈·卡帕西的auto-researchers一样 ，训练agent做渐进式改进。只不外Adaption的野心更大 ，想直接搞定一整个全尺寸前沿模型的训练关环。
这两家其实代表了两种路线：?安德烈·卡帕西是从底层逐块验证 ，一壁开源一壁在社区里攒势能；Adaption是直接冲着贸易化的大模型训练场景去的 ，落地意愿更强烈。两条路谁先跑通 ，对整个行业的影响会截然分歧。
Google CEO 桑达尔·皮查伊上个月在一档播客里 ，措辞相当审慎地认可了现实：“（RSI）是一个陆续体 ，我们的确都在进取。但若是依照各人描述RSI的方式 ，那代表的是下一个量级的加快 ，会有好多影响 ，但我们还没到那一步。”
今年1月 ，Anthropic一位主导Claude Code开发的法式员坦言 ，团队里靠近100%的代码是Claude Code写的 ，这是一种字面意思上的AI在写自己。不是AI辅助工程师写代码 ，而是AI工具在某种水平上已经在代替工程师写自己的代码。
Anthropic有一份关于Mythos预览版本的内部调查：18位工程师里 ，有5位以为 ，若是配套系统再改进一下 ，这个版本的Mythos就能够代替一个L4工程师 ，即能够独立承接复杂项目、不必要实时监督的中级法式员。
但缺点也写得很明显：“Claude汇报的重要弱点蕴含：治理周期以上的吞吐工作、理解组织优先级、品尝、验证、指令遵循和意识论。”意思就是说 ，它弱的 ，刚好是自我驱动的那些事 ，而自我驱动 ，是RSI的根基。
好玩的是 ，Georgetown安全与新兴技术钻研中心（CSET）去年组织了一批专家专门钻研RSI。这群专家在评估时出现了显著割裂 ，一部门人预期即将迎来“超等智能爆炸” ，另一部门人预期进展会更慢、最终会触达某个瓶颈期。
有点像自动驾驶里的L2、3、4、5。Ajeya Cotra的判断是：我们离第一级已经很近了。但第二级什么时辰来 ，她没给功夫表 ，但她给了一个极度明确的推演 ，一旦第二级到来 ，后续加快会远超过往 ，“一年之内可能就会冲到第三级。”
为什么这么快 ？由于到了第二级那一刻 ，AI就造成了一个不必要睡觉、不必要开会、不必要对齐KPI的钻研团队。它能够24幼时不间断地试、改、再试。而人类做钻研 ，哪怕效能再高的人 ，一天的有效深度工作功夫也就那么几个幼时 ，中央还夹着无数打断和沟通成本 ，一旦这个瓶颈不存在了 ，加快度是断崖式上升的。
率直讲 ，国内厂商很少公开喊RSI ，海表的AI公司能把“递归超等智能”写进公司使命 ，这种事在国内险些不成设想。但若是说让AI自己改进自己 ，国内厂商其实已经在分歧的蹊径上偷偷摸到边了。
最典型的例子是DeepSeek。他们花的钱比OpenAI少一个数量级 ，但在好多推理工作上已经能够正面刚� ？康木褪撬惴ㄐ艿募掠呕狹oE架构、激活参数的极致压缩、训练战术的工程化打磨。
虽说这跟RSI关系不大 ，但这是一条用更聪明的步骤 ，代替蛮力堆算力的路。而这条路 ，刚好是RSI的主题逻辑之一：让模型在迭代中找到更聪明的那条蹊径。
百度文心这边 ，强化进建驱动模型自我优化已经是通例操作了。固然没有效RSI这个名字 ，但做的是统一件事：让模型在特定工作上通过自反馈循环不休改进。从这个角度看 ，国内厂商不是没在做RSI ，只是他们已经把RSI的某些环节造成了日常工程实际 ，只是不挂这个名。
但汗青经验通知我们 ，国内厂商在“管路蹊炯确之后”的追赶速度往往是惊人的。RSI的框架在被海表大神们拆得越来越清澈 ，Karpathy的代码也公开在GitHub上 ，一旦可复现的蹊径走通了 ，国内玩家的成本节造能力和落地场景密度 ，会是一个被市场严沉低估的变量。
但同时 ，我们也得适当泼点冷水。事实上 ，AI自己天生的数据 ，用来训练下一版AI ，质量是会往下掉的。RSI的逻辑是AI天生好的数据 ，而后用这些数据训练下一代AI ，使得下一代AI更强。
而现实情况可能反过来 ，AI天生的数据里往往会混进它自己的幻觉、私见、质量退化 ，这些二手数据被喂给下一版 ，下一版再产出更差的三手货 ，循环几代之后整个系统就塌了 ，就像一个复印机不休复印复印件 ，印到第十张脸都糊了。
再者 ，RSI必要的梦想环境 ，在真实世界里底子不存在。这套系统要跑起来 ，两个前提缺一不成：无限算力、全球盛开合作的钻研生态。
而现实是训练一个前沿模型的成本已经到了十亿量级 ，芯片产能有限、能源有限、优质数据也在变少 ，出口管造和技术脱钩在把AI钻研切成几个相互不流通的圈子 ，人和货都流不动 ，连这些基础前提都凑不齐 ，就别谈什么RSI了。
最后说个我感触有意思的观察：整个行业在从前五年里 ，先是大规模预训练把人拉进了“参数崇拜” ，而后是RLHF（基于人类反馈的强化进建?）让人相信“价值观能够微调” ，此刻是RSI在讲一个“机械自己跑齐全个研发链条”的故事。每一步都在让人类往后退一步 ，不是退出行业 ，而是退出决策链条。
虽说这种退法不愿定是坏事 ，但它是不成逆的。一旦某个环节被自动化收受了 ，人的直觉、经验、判断力在那个环节就慢慢退化了 ，就像不用GPS之后你会发现认路能力确切实变差。
《xbox360高清视频线》谈到对球员提出的新要求，以及更喜欢上半场还是下半场时，马丁内斯表示：“两个半场我都满意，但上半场我们需要更高的效率。我们进入禁区的方式不错，但禁区内接应的人还不够。我们有一次击中门柱，定位球执行得也不错。下半场，球队展现出了求胜欲望。能够通过运动战打进两个球，这是一个很积极的信号。直驱见“控”（O20、O30）：面向算法开发、系统集成与精密操作，提供更直接的关节级控制通道，是具身智能研究与真实部署之间的关键硬件接口。《xbox360高清视频线》泰剧《隐欲囚笼》其实我还没和他们聊。我觉得他们最近已经收到很多信息，也和很多人交流过，所以我想先让他们自己缓一缓。他们完全可以为自己取得的成绩感到骄傲。我认为埃德松是一名非常全能的球员，他能够胜任中场的多个不同角色。正如我刚才所说的那样，他的到来在比赛所需要的时刻一定能为我们提供巨大的帮助。他是一名非常出色的球员，目前正处于职业生涯当中一个非常高光而且重要的阶段。虽然我们不参与决定谁来谁走，但我们真心祝愿他在这里一切顺利。
20260609 ? 《xbox360高清视频线》随着世界杯临近，日本队在蒙特雷的这段备战效果，将在一定程度上直接影响他们在北美赛场上的开局状态与整体竞争力。《WW我的欢乐在哪里》对于投资者而言，这一合作为Wolfspeed提供了来自GE Aerospace（NYSE: GE）这一重量级工业客户的背书，有助于提振市场对其10千伏产品商业化前景的信心。GE Aerospace则通过锁定国内碳化硅供应来源，在供应链安全层面获得战略保障。
20260609 ? 《xbox360高清视频线》谈到自己的多面性，伯纳多表示：“只要教练认为球队需要，我可以踢任何位置。我一直都做好了准备。当然，我也有自己最熟悉的位置，但为了帮助国家队，就算让我去踢门将，我也愿意。”《善交大结合》之后的几天，文东军一直未出抢救室，家属隔着屏幕和他通话，崔万敏问他痛不痛，他说不痛，“他从来没有让我担心过。”4月21日，家属请求护工帮忙给文东军换下衣服，那时文东军身上还是上班穿的衬衣、西裤和皮鞋。
京公网安备11010202000001号
