Jeff Dean 談 RSI 極限：新公司已有 20 個自動改進迴圈
Jeff Dean 在斯坦福 HAI 與李飛飛對談時披露，其新公司 Discovery Loop 已有約 20 個自動改進迴圈在執行，目標是讓領域專家生產力提高 20 到 50 倍。該公司為公益公司，四位創始人是 Jeff Dean、Sanjay Ghemawat、Quoc Le 和 Oriol Vinyals，並自建支援人與 Agent 協作的 agent harness。
Jeff Dean 親口給出 RSI 的速度邊界，並首次披露新公司約 20 個自動改進迴圈與 20-50 倍生產力目標，是判斷自動化科研路線的第一手訊號。
原標題：Jeff Dean李飞飞最新对谈：全是RSI非共识
閱讀原文
| 評分 | 74 / 70（平均 72，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
PhAI Labs 開源 DiscoveryRSI，科研 Agent 假設文獻對照率 6.3% 居首
PhAI Labs 聯合 16 家機構提出科研 Agent 遞迴自我改進框架 DiscoveryRSI，並訓練出 DiscoveryRSI-27B。在把 AI 假設與後續發表文獻對照的評測中，DiscoveryRSI 有 6.3% 的假設找到可用的研究依據，約為 GPT 組 2.5% 的 2.5 倍，Claude Opus 5 組以 2.3% 墊底。兩輪自改進後，241 個留出問題上的假設品質均分從 4.86 升至 5.39，可證偽性從 4.00 升至 6.20。
17 歲陳廣宇離開 Kimi，加入 Jeff Dean 新公司 Discovery Loop
17 歲 AI 研究者陳廣宇已離開月之暗面，加入 Jeff Dean 等四位前 Google 核心研究員 8 月創辦的 Discovery Loop。他在 Kimi 期間參與 Kimi Delta Attention 計算核心最佳化，並與張宇、蘇劍林以共同第一作者發表《Attention Residuals》，該技術成為 2.8 萬億引數 Kimi K3 的核心架構之一。Discovery Loop 計劃讓 AI 自動提出假設、設計並執行實驗、分析結果形成迭代閉環，先做機器學習研究自動化再拓展到其他科學領域；
Hinton、Bengio 等 22 位作者發首篇 RSI 論文，討論智慧爆炸
Hinton、Bengio 等 22 位作者聯合發表首篇 RSI（遞迴自我改進）論文《What if automating AI R&D triggers an intelligence explosion?》。論文引用 Anthropic 內部資料：AI 生成獲批程式碼佔比從 2025 年 1 月的低個位數升至 2026 年 5 月的超 80%，Claude 在高層監督下自主完成的 AI 研發工作比例從 2026 年 3 月的約 1% 升到 8 月的 26%。
通衍靈智提出 RSI 閉環，用 Personal LoRA 做模型層個性化
通衍靈智提出以 RSI（遞迴自我改進）為核心的個性化路線：在共享基座模型上用輕量 Personal LoRA 承載個人、專案與企業的專屬能力，而非重訓基座。RSI 以 Accept/Reject、Code Review 等真實反饋訓練 Evaluator，篩選正負樣本後增量更新 LoRA，驗證失敗則回滾。
OpenAI 將 RSI 列為戰略目標，MemoraX 展示記憶驅動自進化
OpenAI 於 9 月 21 日發布官方戰略宣告，把自動化 AI 研究員與遞迴自我改進（RSI）列為下一階段重要目標，並計劃在 2028 年 3 月前打造真正的自動化 AI 研究員；Anthropic 同期披露，截至 8 月 Claude 已在約 26% 的內部 AI 研發工作中承擔主導角色。