导语
2026年，Recursive Self-Improvement（RSI，递归式自我改进）开始从论文中的长期命题，变成了AI产业议程上一个新的赛道。学术界开始把RSI从分散研究方向变成一个独立议题。4月，ICLR首次为Recursive Self-Improvement（RSI，递归式自我改进）单独办了一场Workshop。
头部AI科技公司正密集下场。Anthropic重磅发布长文《When AI Builds Itself》，系统梳理了其在RSI路线上的工程推进；OpenAI亦做出剧烈调整——Thinking Machines Lab联合创始人翁荔（Lilian Weng）重回老东家，被报道将亲自挂帅OpenAI的RSI专项团队，主导利用AI自动化研发下一代模型。翁荔此前已经将Self-Improvement的研究对象从模型参数扩展至Harness、工作流和部署系统。
人才也正在从头部实验室向这一方向集中，资本则进一步把这条技术路线推到台前。OpenAI前研究副总裁Jerry Tworek创立的Core Automation，直接把目标写成“打造全球自动化程度最高的AI Lab”。Richard Socher等人创立的Recursive Superintelligence结束隐身，以6.5亿美元融资亮相，投后估值约46.5亿美元，GV、Greycroft、Nvidia和AMD Ventures都在投资名单上。6月，这家公司又公布首批Automated AI Research结果，AI开始自己提出研究想法、编写代码、运行实验、验证结果，再根据上一轮反馈决定下一步怎么改。
此外，曾共同领导Anthropic Discovery团队的Behnam Neyshabur创立了Mirendil，并将方向定义为“Self-accelerating AI R&D”。Mirendil在6月完成2亿美元种子轮融资，a16z与Kleiner Perkins领投，Nvidia等参与，估值达到约10亿美元。
来自学术与产业顶级阵营的密集动作释放出明确信号：RSI正在从一个理论命题，变成可以被工程化拆解的问题，一条全新的技术演进路线图已然浮出水面。
从历史演进来看，RSI概念本身并不新鲜。过去很长时间，RSI更多出现在“智能爆炸”等理论讨论中——如果一套AI能改进自己，改进后的AI改进能力更强，能力就会一圈圈放大。但真正落到工程层面，问题远比这一设想复杂，没有一套足够可靠的机制证明，一次修改到底有没有让系统变得更好。
如今，这些问题正在被拆解成具体的工程模块。ICLR 2026 RSI Workshop的组织方给出了一个直接定性的判断：RSI 正从 speculative vision 走向 concrete systems problem。会议讨论的重点已经变了。大家不再追问“超级智能是否会出现”，问题落到了更具体的地方，模型的参数、Memory、Tools、Skills和架构能否持续变化；变化发生在推理阶段还是部署之后；新的能力如何评价、保留、回滚和治理。围绕这一方向，研究界和产业界已经逐渐形成多条不同技术路线。资本和创业公司也开始沿着这些技术路线重新排布。
当然，这距离真正意义上的“RSI”仍有很远距离，长期稳定改进、跨任务泛化、可靠评价标准以及算力经济性，都还没有解决。今天产业界大多数“RSI”，距离能递归改进自己的开放式系统还有明显距离。它能不能成为新的Scaling路径，还值得我们继续追问。
但变化已经发生，一条新的技术与产业机会正在浮现。本文将从技术演进、产业地图与未来趋势三个维度，梳理RSI正在发生什么，以及这场围绕“AI改进AI”的新一轮探索将走向何处。
Z Highlights
- RSI能否成为新的Scaling路径，取决于改进能否持续、能否跨任务迁移，以及收益能否覆盖实验成本。
- RSI带来的变化在于，Scaling的对象开始从模型如何完成一次任务，进一步延伸至系统如何让下一次的自己变得更好。
- 每个模型的变化都会成为另一个模型下一轮优化的环境；模型可以优化任务，也可以优化完成任务的方法，进一步还可以优化寻找更好方法的方法。
- 评价函数越明确，AI越容易围绕它优化；但若Proxy Metric与真实目标之间存在偏差，递归循环也会把这种偏差不断放大。只有当系统能够发现现有评价体系的缺陷，并继续调整Critic、Reward或目标函数时，才更接近RSI。
- Coding和AI Research的意义，在于它们第一次提供了一块可以真正测量RSI是否存在的实验场。
- RSI产业竞争的关键，最终会落在同一个问题上，谁能把一次成功实验转化为可保留、可复用并能推动下一轮探索的系统能力。
01 从数据到评价标准本身：RSI的五层自我进化
大模型能力的增长，过去靠三样东西，参数、数据、算力；现在第四条路径正在成形，Scaling的对象从“模型如何完成一次任务”，延伸到“系统如何让下一次的自己变得更好”。
如果把RSI拆开看，自我改进可以发生在好几层，数据、模型、外部工作流，甚至包括用来改进系统的算法和评价标准。我们把它们分成五个层次，层级越往外，系统能动手改的东西越多：
1.Data/Output Level：让模型自己决定“学什么”。这一层不调整模型结构，调整的是“学什么”。过去，训练数据由研究员提前配好比例；现在模型可以边练边看自己的表现，决定下一阶段多补哪类数据，Rejection Sampling就可以放在这一层理解。判断依据可以是预设指标，也可以是模型自己报出的accuracy、能力增幅这类信号。而比单次评测更进一步的做法，是关注整条训练轨迹：某类能力长期涨不动，或者此前的数据选择出现偏置，系统就据此调整后面的数据分布。
2.Model Level：让模型参数与结构进入优化循环。到了这一层，搜索空间从数据扩到模型本身。系统可以在预先划定的范围内，自主调整超参数，甚至探索不同的模型结构；人类只负责规定哪些部分允许修改、搜索边界在哪里。这一层还可以进一步划分为Self-Evolve和Co-Evolve，前者是单个模型自己演进，后者是多个模型协同更新。GAN里生成器和判别器互相博弈，就是典型的Co-Evolve；RL中Base Model与Reward Model也可以根据彼此的当前输出、能力状态和数据分布共同调整。每个模型的变化，都会成为另一个模型下一轮优化的环境。
3.Harness Level：模型外部的Harness开始进化。这一层把搜索空间推到模型外面。系统关注的对象，扩大到包裹着模型的那套工作流，Workflow怎么设计，Skills该加哪些，Harness怎么组合，不同工具按什么顺序调用，哪条执行路径效率更高。模型内部可以保持不变，但“怎么干活”开始由系统自己探索。整条路径从Data到Model再到Harness，可优化的对象从训练数据扩展到模型本身，再延伸到围绕模型搭建的完整Agentic系统。
4.Method Level：让系统改进“自我改进的方法”。如果系统已经能改数据、模型和Harness，Self-Improvement Framework本身该怎么设计？过去，人还要提前规定搜索空间、优化方式和迭代规则；在这一层，系统连这些规则也一起改，自我改进因此开始出现递归，模型可以优化任务，也可以优化完成任务的方法，还可以优化“寻找更好方法的方法”。研究者今天设计RSI算法，处理的正是这一层的问题，即怎样设计一套机制，让底层的Evolve与Co-Evolve持续产出更好的结果。
5.Metric Level：连评价标准也进入搜索空间。传统做法是研究者提前定好一组指标，让系统尽量冲高。但固定Metric很容易引发Reward Hacking，系统找到了涨分的方法，却没得到人类想要的能力。所以这一层把Metric也放进优化范围，让系统自己发现评价体系的问题，再迭代Metric，跟着整个自我改进系统一起演化。到这一步，搜索空间就从“找更好的答案”，一路扩大到“找更好的评价标准”。
系统能修改的对象范围，不等于产品成熟度、商业价值或安全水平，和模型最终的进化效果也并非正相关；实际RSI系统里，多层能力常常同时存在。它们更像是五种不同尺度的搜索空间，越往外，系统能触碰和修改的东西越接近整个AI研发流程本身。
02 为什么Coding和Auto Research会成为RSI的第一主战场？
OpenAI和Anthropic已经率先把RSI的探索拉进了AI研发本身。Anthropic在《When AI Builds Itself》中披露，Claude已经开始参与提出实验、编写代码、执行测试和分析结果等研究环节，OpenAI也在组建专门团队，将AI用于加速内部AI Research，并把Recursive Self-Improvement作为重点方向之一。头部实验室最先把AI用来“研究AI”，并不是偶然。巨头们的最新动作无一不在指向同一个方向：RSI最早实现突破的，正是Coding与Auto Research自身。
RSI不会在所有场景同时发生。越接近真实世界、任务越开放、评价标准越模糊，自我改进越难形成稳定闭环。相比之下，Coding与Auto Research具备一组更适合率先落地的条件：修改对象完全数字化，结果可以自动验证，重复实验成本相对可控，失败也能够回滚。这也是为什么，今天RSI最早出现明确进展的地方，并不是药物、材料或具身智能，而是代码和AI研发本身。后者需要连接物理世界，实验周期更长、成本更高，很多结果也无法通过单一指标快速判断，整个反馈周期天然更慢。
代码任务拥有天然的硬反馈。一段代码能否编译、测试能否通过、执行速度是否提升，都可以直接量化；模型训练也是类似逻辑，Loss、Accuracy、Benchmark、训练时间和算力消耗，都能够成为明确的反馈信号。这意味着，“提出改进—执行修改—运行实验—验证结果—继续迭代”整套流程，可以完全发生在数字环境中。对于RSI来说，真正关键的并不是AI会不会提出建议，而是一次改进能否被快速验证，并被带入下一轮循环。Coding和Auto Research恰好提供了这样的实验场。
PostTrainBench把这个判断放进了现实测试。
PostTrainBench Benchmark让Frontier Agent在固定算力预算内自主优化一个基础大模型，Agent可以搜索资料、构造数据、运行训练与评测，不提供预设策略。结果一半让人清醒，一半让人兴奋。最好的Agent平均得分只有23.2%，明显落后于官方模型厂商的51.1%；但在部分目标任务里，Agent又能反超官方模型。GPT-5.1 Codex Max在BFCL上优化Gemma-3-4B后拿到89%，原官方模型是67%。
这组结果的价值，在于第一次清楚画出自动化Auto Research的能力边界。Agent已经能跑真实训练实验，但稳定性、策略质量和泛化还不够。同时，Reward Hacking也开始出现：研究者观察到，模型会下载现成的指令微调模型来替代自己训练，会用环境中发现的API Key生成合成数据，会违反授权限制，甚至用测试数据训练。可验证环境既是RSI最先突破的地方，也是它最大的安全挑战。评价函数越明确，AI越容易围着它优化；可一旦Proxy Metric和真实目标出现偏差，递归循环会把偏差一起放大。
资本已经在这个方向上押注。我们开头提到的创业公司Recursive Superintelligence所做的核心命题其实很简单，AI本身由代码构成，而今天的AI越来越会写代码、改代码。当AI从“被研发的对象”变成“参与研发的主体”，自我改进第一次有机会走完整条工程闭环。
Recursive公布的Automated AI Research系统，就是这种变化的一个缩影，给定目标后，AI自主提出方案、实现代码、运行实验、读取结果，再根据实验反馈进入下一轮优化。在小模型训练、训练速度和GPU Kernel优化这三个评价指标明确的任务里，公司报告其系统刷新了此前公开最佳结果。
图片来源：Recursive官网
类似的变化正在更广的研发链条里蔓延，Coding Agent自动修改和测试代码，AI Scientist自主提出假设、设计实验，模型通过强化学习、环境反馈和合成数据持续获得新经验。过去由人类研究员主导的研究流程，正在一段段被AI接管。
所以，Coding和Auto Research的关键意义，在于它们第一次提供了一块可以真正测量RSI是否存在的实验场。
03 海内外RSI产业地图：国内强调场景闭环，海外强调通用研究系统
判断一家公司是不是真的在走RSI路线，先分清两个维度：第一个维度，是系统能修改什么，数据、模型、Harness、改进方法、评价标准；第二个维度，是它选了哪个场景，AI研发、芯片设计、世界模型、企业Agent、长期记忆、评测基础设施。
这两个维度之间，没有简单对应关系。同样从RSI切入，有的公司在训练专用模型，有的在搭自动实验Harness，还有的开始改实验搜索和迭代方法。评测公司虽然站在自我改进闭环的关键位置上，也不一定进了Metric Level；只有当系统能发现现有评价体系的缺陷，并继续调整Critic、Reward或目标函数时，才算接近五层框架的顶端。
从公开项目看，海外大致分成四条路线。
第一条路线，是把整个AI研发自动化。Recursive Superintelligence构建的系统已经覆盖完整闭环，能提出研究方案、修改代码、运行实验，再决定下一轮往哪个方向走。Sakana AI让研究流程与改进方法本身持续演化，Mirendil横跨Harness与Method，一边训练擅长AI R&D的模型，一边围绕它们重新设计实验室工作流。
第二条路线，从数据和持续学习入手。DatologyAI优化训练数据的选择、合成、去重和配比；Adaptation Labs把数据优化、训练Recipe和部署后适应连成一条线；Deep Cogito用Iterated Distillation和Amplification把推理能力写回模型权重；Ineffable Intelligence想让模型摆脱对人类生成数据的高度依赖，通过环境经验和强化学习持续发现知识。这些公司的共同点，是把经验回流到模型能力本身，主要落在Data Level和Model Level。
第三条路线，让模型、基础设施和环境一起变。Ricursive Intelligence从芯片设计切入，让AI自动优化芯片，再用更优的芯片支持更强的AI。Prime Intellect提供分布式强化学习、训练环境和后训练栈，让组织拥有持续更新模型的AI Lab能力。Engram则尝试把知识压缩成可组合、可加载的参数化记忆，让企业知识更直接地进入模型能力。
第四条路线，做的是评价、解释和反馈。Goodfire用机械可解释性读取并干预模型内部特征；Patronus AI从静态评测扩展到Agent轨迹诊断、优化建议和生成式模拟环境；Braintrust把生产反馈、实验、数据集、Scorer和Prompt优化连成持续迭代的循环。这一类公司对RSI很重要，因为系统必须判断哪些变化该保留，哪些变化导致了能力退化。
国内公司则表现出更强的场景导向，大致可以分成三类。
第一类，围绕AI科研闭环和改进方法。衔远科技通过Frontis MA1、OpenMLE和OpenRSI让模型生成、改进和调试机器学习工程方案，并把执行轨迹用于后续训练。超衍智能聚焦自主进化基础模型和AI Scientist，希望系统自主提出科研假设、运行实验并迭代研究方案。无尽前沿同时覆盖Method Level和Data Level，用Generator Critic数据管线、科学智能体和自动研究框架生成可验证任务，再把有效经验用于模型和研究系统优化，从科学任务的数据生产入手，逐步扩展到研究方法和训练策略。
第二类，聚焦真实任务场景的经验回流和组织学习。Kando AI把真实决策及其结果沉淀为后续决策依据；Evolvent AI、Unipat、熵基秩序从数据入手；宜创科技、奇点逃逸、EvoMap和EverMind则集中在Harness Level，分别优化工具与应用生成流程、多Agent协作与治理、已验证技能模块的共享继承，以及把任务轨迹转化为可复用技能的长期记忆。这些系统未必修改模型参数，却能让Agent在持续使用中积累工作方法。
第三类，面向世界模型和物理环境。世界模型能为Agent提供可重复的环境模拟和反馈，是具身RSI的重要前提；但世界模型本身不会自动构成RSI。只有当模型、策略、实验方法和评价系统在环境反馈下形成持续闭环，它才进一步接近Method Level。