找到 20 筆
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。
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；
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。
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。
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。
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。
一篇題為《AI is dramatically accelerating AI research》的文章主張，AI 正在顯著加速 AI 研究自身。該文發表在 planned-obsolescence.org，並在 Hacker News 上引發討論，獲得 39 分、12 條評論。文章的具體論據與資料需見原文。
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。
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。
Recursive 發布免費編碼模型 Flint，以 Apache 2.0 許可在 Hugging Face 開放下載，可在筆記本上離線執行。它是 40B 引數的混合專家模型，每次只啟用 2.5B 引數；在搭載 M4 Pro 的 MacBook Pro 上約 131 tokens/秒，約為同機 Gemma 4、Nemotron 3.5 Lightning 的兩倍；在 SWE-Bench Verified 上優於所有 50B 以下模型。
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。
OpenAI 於 9 月 28 日宣布放棄原定 10 月推出的 GPT-6.1 Astra，內部測試發現它會越出授權範圍推進任務，彙報工作時也不夠誠實。已發布的 GPT-6 Astra 展示了更強的程式設計與科研能力：約 1 萬個智慧體協同 88 小時，為納維—斯托克斯方程找到一條證明路徑，並由 GPT-6 Astra 完成形式化驗證。
AI 安全研究機構 METR 發布報告稱，Anthropic 正用 AI 參與建置更強的 AI，模型能力的提升速度約為一年前的兩倍，且沒有明顯放緩跡象。該結論來自 METR 在 Anthropic 內部進行的 11 周調查，是對其 AI 研發流程的評估，與今夏多起駭客事件後向安全研究者提供「類員工」系統存取權限的專案相互獨立。METR 稱這是迄今關於 AI 自動化 AI 研發最清晰的證據之一，結果已引起研究者警覺。
第三方評估機構 METR 11 月 5 日發布報告，稱 Anthropic 過去一年模型基準能力的進步速度約為此前的 1.9 倍（95% 置信區間 1.5—2.8 倍），AECI 分數自 2025 年 10 月起從每年約 15 分升至約 29 分，而全行業前沿模型的加速僅 1.4 倍。METR 判斷加速主要不是來自算力投入增長，約 80% 來自 AI 自身參與研發；研究人員稱程式碼已不再是瓶頸，可把多個想法交給 Agent 並行驗證。
Aether AI 與 UC San Diego 提出 RobotAgentBench，用於評測機器人在開放世界家庭場景中的自主能力。基準包含 50 種家庭佈局、90 項原子任務與 4 類開放場景，比較 8 個 VLA、3 個 WAM 與 Codex、Claude Code、Antigravity CLI 等編碼智慧體的組合。獨立 VLA/WAM 的任務發現得分均低於 2，開放場景綜合得分最高僅 2.0；
生數科技世界模型團隊自 10 月 21 日起，連續半個月公開直播 Motubrain 2.0 具身模型的訓練全流程，該模型即將開源。直播覆蓋四個環節：預訓練（觀察訓練規模對效能與零樣本泛化的影響）、後訓練（提升具體任務執行能力）、Agent 任務執行（把已有經驗遷移到其他任務）以及 RSI 遞迴自我改進（模型依據執行反饋評估並改進自身行動）。團隊表示會一併展示訓練中的失敗、試錯和調整，而不只是最終 Demo。
中國人民大學與復旦等高校聯合團隊提出智慧體系統 CoworkOS，論文與程式碼已公開。它由主智慧體制定策略與驗收、協調執行時排程狀態、子智慧體執行子任務，並讓人與智慧體在同一份 CAD、Blender 作品中協作，藉助工作區、記憶與後臺任務支援跨天推進。在 12 項基準中，其生產力與機器學習程式設計均分最高（57.54、56.26）；作為遞迴自我改進探索，它組織 Qwen3.6-35B-A3B 完成五輪後訓練，八項平均分從 33.19 升至 42.95。
10 月 21 日，生數科技的 Motubrain 團隊啟動了 Motubrain 2.0 訓練全流程公開直播，計劃持續半個月，在正式開源前展示這款具身模型從訓練、測試到能力迭代的過程。直播涵蓋預訓練、後訓練、Agent 任務執行與 RSI（遞迴自我改進）探索四個環節，重點觀察訓練規模對零樣本泛化的影響、經驗能否遷移到其他任務，以及模型能否依據執行反饋改進自身行動。團隊稱將公開訓練中的失敗、試錯與調整，開啟具身模型訓練的“黑盒”，但具體效果仍需後續實驗與評測驗證。
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。