量子位
通研院孵化團隊做 RSI 個性化 AI，用 LoRA 承載專屬能力
北京通用人工智慧研究院體系孵化的通衍靈智公布 RSI（遞迴自我改進）個性化 AI 路線：在共享基礎模型之上，用輕量 Personal LoRA 承載個人與企業的專屬能力。Evaluator 先按使用者標準篩選業務反饋，只把反覆出現的模式用於增量更新；更新後要與舊版本在同一批任務上對比，退化就回滾。
熱點事件 · 持續更新
最高 1.3
通衍靈智公布 RSI 個性化路線，用 Personal LoRA 承載專屬能力
2 則報導2 個報導來源 更新
先了解這件事AI 綜述
2026 年 10 月 19 日，北京通用人工智慧研究院（BIGAI）體系孵化的通衍靈智公布 RSI（遞迴自我改進）個性化 AI 路線：不重訓通用基座，而是在共享基礎模型之上用輕量 Personal LoRA 承載個人、專案與企業的專屬能力。據機器之心報導，RSI 用 Accept/Reject、Code Review 等真實反饋訓練 Evaluator，篩選正負樣本後對 LoRA 做增量更新，驗證失敗則回滾；量子位稱，Evaluator 會先按使用者標準篩選業務反饋，只把反覆出現的模式用於更新，新版本還須與舊版本在同一批任務上對比，出現退化就回滾。兩篇報導都把這條路線定位為讓個性化從 Prompt、RAG、Memory 等模型外掛手段進入引數層，並提到用算力排程控制成本，同時試圖回答基礎模型更換後專屬能力如何保留的問題。報導引述 BIGAI 產業平台 CEO 李未的說法：基礎模型越強，個性化模型能發揮的作用越大，未來將形成通用能力共享、專屬能力個性化的技術分工；文中列舉的同類探索還有 OpenAI 讓 ChatGPT 長期記憶的 Dreaming 和 Meta 的 Personal Agent 專案 Muse。對使用 coding agent 的研發團隊和依賴企業內部知識的企業 AI 應用來說，這意味著團隊經驗可能從檢索上下文變成可增量更新、可回滾的模型引數資產。
AI 根據 2 則報導生成 · 更新
報導時間線
沿著報導，了解事件的不同側面；點標題看單篇報導的摘要與原文連結。
10月19日星期一 · 2 則
- 機器之心
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。
本事件熱度走勢
為什麼熱
過去 48 小時，有 2 個獨立來源報導，最近 6 小時新增 0 個。熱度 1.2，熱門榜第 5 名。
熱度以 48 小時內的獨立來源計，同一來源只算一次，每 24 小時權重減半。
事件紀錄
- 最早報導
- 最近更新
同一事件的報導集中在這裡，新的進展會繼續補充。