Apple Machine Learning ResearchAI 評分58
RLTL;DR：讓模型從失敗中自寫反饋實現自我改進
論文提出 RLTL;DR 方法：在可驗證獎勵強化學習（RLVR）中，當任務難到模型幾乎無法成功、又沒有教師模型或範例解可蒸餾時，讓策略在每次失敗後檢視驗證器輸出，並自行寫出一條 TL;DR 式反饋，下一次 rollout 以此為條件。該方法面向自我改進場景，替代只最佳化成功嘗試的常見做法。
搜尋
找到 14 筆
Hacker News front page● 精選AI 評分77
Sakana AI 提出 MASS，多智慧體自監督實現遞迴自我改進
Sakana AI 與 UC Berkeley 的研究者提出 MASS（多智慧體自監督），用多智慧體團隊的集體智慧作為自監督訊號，推進同質遞迴自我改進（RSI）。該方法讓同一模型同時充當執行者、工作流最佳化器和評估器：內迴圈在權重固定時搜尋最佳團隊工作流，外迴圈再依據被自評為最優的團隊執行結果更新模型權重，如此迴圈。實驗在非可驗證的研究任務上提升了每輸出 token 的得分，改進由 GPT-5.5 與 Claude Opus 4.8 獨立評分，其判斷不反饋給 MASS。
機器之心● 精選AI 評分84
Anthropic 稱 Claude 主導 26% 研發，OpenAI 研究實習生到崗
Anthropic 9 月 17 日披露，Claude 已在公司 26% 的研發工作中處於「主導」級別，3 月時僅約 1%，其程式碼庫中超過 80% 的程式碼由 Claude 編寫，模型最佳化訓練程式碼的加速比從約 3 倍升到約 52 倍。OpenAI 9 月 6 日宣布「研究實習生級」AI 研究助理如期到崗，研究部門每 1 個人類工作日對應約 3.1 個智慧體工作日。國內 MiniMax、智譜也披露了改進腳手架與推理基礎設施的工程閉環；
機器之心AI 評分41
華人團隊 Novix 將 RSI 規模化，半年服務 20 萬專家
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。
量子位● 精選AI 評分86
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%。
機器之心● 精選AI 評分74
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。
X @elonmuskAI 評分10
馬斯克發帖僅寫 Recursive Self-Improvement，未作說明
馬斯克在 X 發布一條只有「遞迴自我改進」（Recursive Self-Improvement）兩個詞的帖子，沒有給出任何解釋、上下文，也沒有指向具體模型、產品或時間表。帖子發布時間為 2026 年 10 月 15 日，原文未附帶連結、圖片或其他補充說明。
機器之心● 精選AI 評分76
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。
機器之心AI 評分42
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。
機器之心AI 評分50
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。
量子位● 精選AI 評分79
Google 開源 Harness²，讓 Agent 在執行中改進自身腳手架
Google 開源了 Harness²，這是一套雙層遞迴框架，讓 Agent 在執行時自行修改腳手架、系統提示詞、工具鏈與技能庫。它在沒有標準答案時，用 Propose–Probe–Compose 對改動做行為對比篩選，並把除錯經驗寫進經驗庫，供後續任務檢索複用。實測 GLM-5 在 OpenCode 下執行 WorkBuddy-Bench，得分從 64.2 升到 75.7（+11.5 分），反超未改腳手架的 Gemini 3.5 Flash（72.4）；
機器之心● 精選AI 評分80
Recursia 零樣本長時機器人操作超輝達 ASPIRE 最高 15.1 個百分點
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。
機器之心● 精選AI 評分67
PhAI Labs 發布 RSI-Anything，用世界模型實現跨領域遞迴自我進化
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%；
機器之心● 精選AI 評分72
田淵棟：用 GPT-5 合寫論文效率提升 6-10 倍，判斷工作五年內被取代
田淵棟在播客中稱，把 GPT-5 當合作者完成在 Meta 的最後一篇論文（grokking 研究）後，效率提升約 6 到 10 倍，由此判斷自己的工作五年內會被取代，於是聯合創辦 Recursive Superintelligence。該公司今年 5 月結束隱身，以 46.5 億美元估值融資超 6.5 億美元，GV 和 Greycroft 領投，輝達、AMD 參投。他同時強調模型自己想出的點子仍很平庸，研究閉環中最難自動化的是提出想法，並表示公司會開源研究成果。