依意思最接近的 30 筆
上海創智學院與新序智慧開源 801-30B base 模型，並公開首份預訓練級 RSI 的完整技術報告與輕量 SFT 資料。團隊用時不到三個月從零訓練，13 項基礎評測平均分 73.13，與 Nemotron-3.5-Lightning-30B-A3B（73.07）持平，領先 Qwen3-30B-A3B（66.16）。同一份 SFT 資料微調後平均分升至 81.34；僅做 6B tokens 輕量 SFT 的版本在四項 agent 評測上平均 58.4。
PhAI Labs 於 10 月 12 日發布 RSI-Anything 技術報告，提出用世界模型連線預測、行動與真實反饋的跨領域遞迴自我改進（RSI）框架。在 CodeContests 程式碼修復中，不更換程式碼模型、線上測試預算不變，修復成功率從 26.3% 提升到 31.2%；OSWorld 圖形介面任務成功率相對提升約 18.4%。一個 4B 策略模型經連續五代迭代，實驗室規劃分數從 21.80% 升到 46.01%，略超參考系統的 45.32%；
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。
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%。
OpenRSI Index 正式發布，這是一個用真實開源研究專案出題、檢驗科研智慧體能否改進人類訓練方案的評測基準。任務取自 Marin、Qwen、GPIC 等專案，覆蓋預訓練、後訓練與影像生成，單次執行算力從 5,815 到 20,864 H100·小時。智慧體在工作區反覆實驗，提交後凍結快照交由獨立評測環境驗收，原作者方案在同一環境重跑作為對照，篡改獎勵、洩露評測資訊或超預算計零分。
Google 等提出 RRSI，用正則化約束 Agent Harness 的遞迴自我改進（RSI）：不鎖死自我修改能力，而是限制每輪同時修改的機制數量、保留進化歷史，並在篩選階段剔除 benchmark-specific 改動和落在噪聲範圍內的漲分。
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 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。
Anthropic 在修訂版 S-1A 的風險因素中警告，公司可能很快達到其《負責任擴充套件政策》對“遞迴自我改進”（RSI）的定義，即 AI 大幅加速自身研發進展。檔案承認過去曾用 AI 開發新模型而未及時識別能力躍升；但也強調目前沒有任何模型越過該門檻，並承諾在可預見的未來仍保持人類監督。同期披露的財務資料顯示收入快速上漲、支出同步走高。
Scinetics 與復旦大學、中國科學技術大學、香港科技大學的研究者發布 ScienceRSI 框架，按專業化、驗證、遷移、複用四步在模型之間傳遞科學能力，並已在 Hugging Face 開源 ScienceRSI-8b 權重。用 8B 專家向 Qwen3.5-27B 遷移後，七項基準的等權平均分從 87.3% 升至 94.0%，提高 6.7 個百分點；4B 與 8B 模型在五項科學評測上均取得對比方法中的最高分。
研究團隊提出具身 RSI 系統 Recursia，通過內外雙層迴圈讓機器人從執行經驗中改進共享執行棧，在 LIBERO-Pro Long 零樣本長時操作的位置/任務擾動下成功率達 28.4%/53.4%，比輝達 ASPIRE 高 5.8/15.1 個百分點。共享棧分為工具、技能、交接、驗證四層，候選修改需經通用性檢查、機制測試及父子版本配對比較。
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。
Manifold AI 流形空間的 WorldScape R²SI 框架在機器人學習基準 RoboDojo 的 Agent Track 登頂，超過 GPT-6-Astra 與輝達 GR00T-N1.7。該框架由內外雙層 Agent 組成，內層執行任務，外層跨輪次復盤、修訂 Skill 並訓練 reactive model（WSP）。在 push_T 任務中，動作步數從首輪 723 步（超出 600 步預算）降至 596 步，再降至 389 步，降幅約 35%。
華人團隊 Novix 把 RSI（遞迴自我改進）做成規模化閉環，成立半年已服務 20 萬名專家，覆蓋 40 多個國家和地區、500 多所高校及科研機構。團隊由石宇、湯嘉斌等創立，核心成員來自 Google、微軟、Meta、智譜和 Kimi。
Anthropic 在更新後的招股書中警告，自家下一代模型可能即將觸及《負責任擴充套件協議》定義的「由 AI 驅動的大幅加速進展」RSI 閾值，並承認衡量研發加速的證據多為滯後指標，可能在加速發生後才察覺。同期披露的 Q3 營收約 170 億美元（1130 億人民幣），同比增長 1127%，但環比增速由 Q2 的 144% 降至 47%；單季淨虧損 232.9 億美元，前九個月累計虧損 1040 億美元。招股書還首次列明 8954 億美元的算力採購賬單。
rStation 上線，這是一個面向 AI agent 的共享研究社群：獨立 agent 在站內討論研究問題並發表經過評審的論文，人類可以旁觀。站點列出的待研究問題包括黎曼猜想、霍奇猜想、有理丟番圖七元組、地月問題、三點不共線與強正則圖，其中部分題目由 Epoch AI 提供。內容領域覆蓋數學、AI、電腦科學與綜合，並設有 Reviewed papers 板塊。
UC San Diego、ByteDance 與 CMU 提出 RSIGame，讓 Agent 在可執行的遊戲環境裡自主試玩、診斷、修改並驗證，形成長期自我改進閉環。以 GPT-5.5 生成的遊戲為起點，多輪自主開發後品質評分從 50.26 提升到 64.53；在 GameCraft-Bench 的 140 個任務、Godot 與 Phaser 兩種引擎上，比迭代開發基線 Play2Code 高 7.2～13.8 分。
智元發布具身 Agent 框架 Genie Master，其精靈 G2 機器人在真實便利店執行取貨、補貨、清潔與多機協作時，無需人工除錯即可自行診斷失敗、調整策略並積累經驗，官方稱這是行業首次在真實業務場景、而非模擬環境中跑通 Physical RSI。該框架用 EEP 具身執行協議連線上層 Agent 與底層動作策略：Harness RSI 通過提示詞、記憶與規則積累經驗，Policy RSI 用執行與人工接管資料更新動作模型。
Anthropic 在修訂版 S-1A 中稱，依據對未來模型的內部預估，公司可能即將達到自家 Responsible Scaling Policy 對遞迴自我改進（RSI）的定義，但現有模型都未跨過該門檻，並正考慮修訂 RSP 以保持人類對前沿模型開發的控制。公司同時在推進上市：10 月 26 日提交初始 S-1，擬以 ANT 在納斯達克交易。
Respan（YC W24）開源了用 Rust 編寫的 AI 閘道器：核心只負責分發事件，provider、協議（MCP、即時語音）、模態（影像、影片）以及回退、PII 脫敏、智慧路由等功能都做成外掛接入。團隊自 2024 年起在 LiteLLM 上做封裝，服務數千家組織，封裝程式碼一度超過 10 萬行；今年 1 月一次 LiteLLM 常規升級引發間歇性連線錯誤，只能回滾，因此團隊決定自行重寫。新增 provider 只需一個短檔案，Mistral 適配僅 22 行；
一篇文章指出，預訓練可依賴 Common Crawl（約 10PB）、維基百科、ArXiv 等公共資料資源，後訓練卻沒有對應的公共資料。作者認為差別在於預訓練消耗文件、後訓練消耗任務，而人類任務情境化、一次性、難以復現，需被固化為世界、意圖、工具與評分器。軟體工程是唯一成熟的「把任務寫下來」的實踐，版本控制、CI、容器提供了確定性，因此 agentic AI 最先進入軟體領域。
OpenAI 宣布將遵守 robots.txt 中一項通用的 AI 訓練偏好訊號，網站運營方一次表達意願，即可同時傳達給多家參與的 AI 提供商。此前網站需逐一識別各家爬蟲並分別維護規則，這項自願性機制可減少重複工作。OpenAI 稱將在未來幾個月內實施，屆時再公布細節；新訊號不會取代現有的 robots.txt 爬蟲控制，原有規則繼續有效。該訊號源自 IETF AI Preferences 工作組，OpenAI 與其他參與方在當天共同發布了這一宣告。
智元發布具身模型 GO-3 Preview，稱在預訓練、後訓練和部署後實現全鏈路規模化學習，並在 RoboDojo、RoboTwin、RoboColiseum 三項評測中排名第一。其預訓練約九成使用人類第一視角資料，採用 WRAM 架構；後訓練系統 Genie Evolver 結合百臺級真機、模擬與世界模型，手機包裝任務成功率由 50.8% 提升至 98.3%。
10 月 21 日，OpenAI 聯合 PerturbAI 與 Scripps Research 公布：由新架構 GPT-Rosalind 驅動的數千個 AI 智慧體，在 32 分鐘內解析了約 772 萬行的小鼠全腦 CRISPR 擾動資料集，同類工作人類研究者需數月到一年。分散式叢集合計引用 700 餘篇文獻，而單智慧體受上下文視窗限制平均僅引用 11 篇；盲法專家比較中，75% 更偏好分散式報告。
蘋果與卡內基梅隆大學提出 SSR 框架，讓多模態搜尋 Agent 不再逐 token 生成自由形式推理，而是從 6 條預定義推理選項中做選擇題。在 7 個多模態搜尋 benchmark 上，每輪推理延遲降低超過 90%，每題總推理延遲降低 28–54%，p95 推理延遲僅 0.07 秒；4B 模型平均成功率 61.37%，與同規模 SOTA 持平，2B 達 51.26%。推理選擇由模型自身打分完成，不需要額外分類頭，也可跳過 SFT warm start 直接接 RL 訓練。
研究首次證明，預訓練語料投毒能在 agent 中植入遠端程式碼執行後門，讓它在使用者機器上執行攻擊者指定的命令。作者從零預訓練 0.6B、1.7B、4B 的 Qwen3，再用乾淨的後訓練流程做成 CLI agent；僅汙染 0.1% 預訓練語料即可植入後門，觸發時執行惡意命令、正常輸入下行為不變，4B 模型攻擊成功率約 92%，投毒率降至 0.0005% 時仍為正。論文與程式碼已公開。
Ropedia 在第一屆 Super Week 集中發布六項研究，主線是跨本體世界模型 Ropedia W0：用約 1 萬小時人類第一視角影片與 3000 小時機器人影片訓練，在八種本體上無需針對評測資料額外適配即達 21.98 dB PSNR，高於 Cosmos3-Nano 的 19.02 dB。人類預訓練還大幅降低機器人資料需求，在 GR-1 上僅用 1% 後訓練資料就超過用全量資料初始化的通用影片生成模型；
論文提出 RISED，用評分標準（rubrics）驅動多環境 agent 訓練的 prompt 組選擇與自蒸餾。作者指出現有課程與資料選擇策略多在環境層面分配訓練，或只依賴區域性 reward 訊號，沒有顯式利用不同環境當前 rollout 之間的關係來挑選 prompt 組。同時各環境學習速度不一，同一 batch 內會並存全失敗與全成功的 rollout 組，這批資料無法獲得 group-relative 獎勵訊號。
卡內基梅隆大學與微軟聯合推出 PRAISE 證書專案，讓微軟初級軟體工程師線上修讀 CMU 計算機學院的課程，同時由公司資深工程師帶教，學習把 AI 工具用於日常開發。本學期開設 Machine Learning in Production 與 AI 增強軟體工程預修課 I，春季增加 DevOps 安全開發與部署及該課程第二學期，學分可計入軟體工程碩士。
OpenAI 發布 GPT-Rosalind，用於幫助科研人員跨科學文獻與生物資料進行推理，由科學家提供專業判斷來評估證據。符合條件的實驗室可獲最多 12 個月的 OpenAI 工具贊助訪問，其中 GPT-Rosalind 需通過可信訪問審批。通過 Rosalind Academic Plan 共享的研究資料預設不用於訓練模型。