Google 等提出 RRSI,給 Agent 自進化加正則化
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。
依意思最接近的 6 筆
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。
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%。
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。
正行創新 10 月 8 日在亞太零售商大會(APRCE 2026)發布零售開放場景的 Physical AI 24/7 人機協作方案,由機器人本體與統一管理平台 M1 組成,無需改造門店貨架與動線。首批本體為雙足人形機器人 H1(支援 20 多種語言、45 種表情、36 種手勢,提供開放 API)和搬運理貨輪臂機器人 C1(窄體全向底盤,作業高度覆蓋 100mm 至 1750mm 以上,遇障緊急制動距離小於 10cm)。
正行創新在 APRCE 2026 發布面向零售開放場景「人機協作」的 Physical AI 解決方案,推出雙足人形機器人 H1 與輪臂式搬運理貨機器人 C1,無需改造貨架與動線即可部署。官方稱機器人可自主完成 99% 的任務,自研輕量級世界動作模型 SLM-0.5 在 LIBERO 基準平均任務成功率 98.6%,推理速度較主流方案提升 24 倍。方案計劃 2027 年正式商業化,客戶可直接採購或按 RaaS 訂閱,覆蓋硬體、軟體、運維與升級,目前正與連鎖零售企業聯合測試。
輝達聯合 MIT 與牛津大學提出的 Physis-Lang,把物理原因、規律和結果寫進影片文字描述,並貫穿資料篩選、模型訓練與影片生成。其 Cosmos3-Super 與 Cosmos3-Nano 在 Physics-IQ Verified 榜單以 48.2 和 43.3 分列前二,Super 較此前最高分高出 5.5 個百分點。基於 Cosmos3-Nano 的版本在論文四項物理 benchmark 上取得開源最佳,三項總分超過 Veo 3.1。