标签
Geoffrey Hinton联合署名发表论文，警告AI如今已参与到下一代AI的研发之中。一旦形成“自我研究→自我改进→更多研究”的循环，便有可能触发真正的“智能爆炸”——论文估算，如今一年的AI进展在未来可能被压缩到大约五周。该论文由来自OpenAI、Anthropic和Microsoft的顶尖研究员共同署名。
Geoffrey Hinton 指出，虽然由递归自我改进引发智能爆炸的概念并非新鲜事物，但如今许多顶尖研究者认为它可能很快就会到来，他还提到了一篇阐述这一观点的新论文。
# Meta（联合 Duke 与 UC Davis）提出用于智能体 harness 优化的「自改进分支混合」框架 Meta 联合杜克大学（Duke）与加州大学戴维斯分校（UC Davis）提出了一种 **Mixture of Self-Improving Branches（自改进分支混合）** 框架，用于优化智能体 harness（运行框架）。该方法将原本单轨迹的 **Meta-Harness** 搜索拆分为多个**自适应分支**：每个分支拥有不断演进的开发子集（development subsets）和提案策略（proposal policies），并引入一个**路由器（router）**，针对每个输入动态选择表现最佳的分支。 该框架在多个基准上取得了显著提升： - **Olympiad 级别数学任务**：相对提升最高可达 **+34.8%** - **Terminal-Bench 2.0**：提升 **+11.6%** - **SWE-bench Lite**：提升 **+3.8%**
提出一种自进化 agent harness 框架：同一个冻结模型先作为 solver 求解任务，再作为 proposer 直接编辑自身 harness 的代码；在多任务上完成进化后，于分布外基准上显著超越 Codex（提升 12.64 分）并达到相当的表现水平。
MERID 是一个多模态抑郁症分析框架，通过经验驱动的递归自我改进智能体自动探索和优化检测流水线，在多个抑郁症基准上取得领先结果。
本文首次对一条自我发现的强化学习规则（Disco103）进行了因果机制审计，通过状态固定、冻结与移植等方法，确定在"经验时代"的五大支柱中，持续的循环学习历史何时是资产、何时是负担，并在第二条规则（OPEN）上验证了研究结论。
RSIGame 提出了一种具备递归自我改进能力的自主智能体游戏开发框架，通过局部探索-诊断-改进循环与全局检查点循环，可靠地提升生成游戏的质量。经验内化机制使 Qwen3.8-27B 在 GameCraft-Bench 上的得分超越了 GPT-5.5 的单次生成成绩，同时将生成所需 token 量削减了 11 倍。
Raven 是一个开源工具，用于协调多个AI代理执行复杂任务，并具备递归自我改进的能力。
本文提出一个递归框架，通过动态协同进化和自我精炼简洁学习来改进基于策略的自我蒸馏，以增强推理能力。在Qwen3-8B模型上跨数学基准展示了显著提升。
本文探讨AI递归自我改进是否能克服收益递减，认为当前数据表明，除非有显著进步，否则自我改进循环不足以引发失控的智能爆炸。
这篇文章推荐了Anthropic解释AI中递归自我改进的博客文章，详细描述了AI系统如何加速发展以及未来的潜在影响。
TraceDance是一个自动化系统，它从真实世界的代理部署轨迹中构建针对性基准，以评估大语言模型（LLMs）中的不良行为，实现了高构建率并揭示了当前前沿模型的显著弱点。
文章探讨了AI在达到自动化递归自我改进后，是否会重新编程自己以仅寻求正面强化，并将此与人类对幸福和永生的渴望进行比较。
Sam Altman 在联合国安理会警告人工智能递归自我改进的风险，强调随着人工智能开发变得更加自动化，需要极度谨慎。
谣言称递归自我改进（RSI）已在Reef实现，并计划开源发布。
一位用户分享了一个手绘插图提示，用于总结一篇关于 AI 代理递归自我改进的 Google Research 论文，强调其清晰度和无需重新训练模型的实际方法。
Rayan Krishnan在评估Claude Opus 5.5后，将完整递归自我改进的时间线更新至2027年7月，突显了人工智能发展中节奏与竞赛之间的紧张关系，以及协调的必要性。
Google Research 已开始为 Agent Harness 研究递归自我改进，重点是无需模型重新训练即可自动迭代提示、工具、内存和控制流。这种 Harness 级别的方法被认为比模型级别的 RSI 更清晰、更实用。
本文介绍了AIDE^2，这是一个系统，它使AI研究智能体能够通过递归自我改进自主提升其代码，从而在多种AI研究任务中获得性能提升。
OpenAI 概述了其构建标准和推进对齐研究的愿景，以安全地引导 AI 发展，强调自动化 AI 研究和国际合作。