AI 已经会反思、记住错误，甚至改写自己的代码和工作流程，但这还不等于真正的“自我进化”。RSI 要求每次升级都能帮助下一轮升级，还要证明系统没有刷分、跑偏或越改越差。读完这篇，你会知道这条路走到了哪里。

1. 🎙️ 阅读目录

章节	这一章讲什么	读完能判断什么
RSI 到底是什么	用“学生改错题”拆开四种自我改进	一次回答变好，为什么还不算 RSI
怎样才算真正的 RSI	拆解七步闭环和三个必要条件	系统是真升级，还是只做了一次优化
技术已经走到哪一步	从反思、记忆、自训练讲到自动研发	各类技术处在 RSI 路线的哪一段
为什么完整 RSI 仍未出现	看现有证据、长期任务差距和减速机制	局部突破为什么还没带来智能爆炸
最难的不是改进，而是判分	解释 Evaluation、奖励投机和四层验证	分数上涨能不能证明系统真的变强
能力加速后如何保持可控	拆解风险、权限分离、审计和回滚	一套自我改进系统是否具备安全边界
八问验货清单	用八个问题检查“AI 自我进化”声明	如何快速识别真实进展与营销包装

你让一个 AI 助手检查刚才的回答。
它发现漏洞，重写一遍，结果更好了。
这算“AI 自我进化”吗？

通常不算。

它更像学生做错一道题后，当场把答案改对。
真正的 RSI（Recursive Self-Improvement，递归式自我改进），要求这个学生不只订正答案，还能改造自己的学习方法，重新安排工具和训练流程；
更关键的是，升级后的自己还能继续升级下一版自己。

RSI 最迷人的地方，也最容易被误解的地方，就藏在“递归”两个字里。

2. RSI 到底是什么

把 AI 想成一个正在备考的学生，自我改进大致有四层。

层级	学生在做什么	AI 对应动作	是否触及 RSI
第一层：改答案	订正这一道题	重写当前回复、修复当前代码	否，只改善一次输出
第二层：留经验	把错误写进错题本	保存记忆、规则或失败记录	接近，但底层能力未必改变
第三层：改学习方法	调整复习顺序、解题步骤	更新权重、工具、工作流或搜索策略	触及自我改进
第四层：改“学习方法的改法”	设计下一代训练方案	改进用于研究、评估和升级自己的机制	进入 RSI 核心

一条回答变好了，只能证明系统完成了纠错。
它不代表下一次还会更强。

保存一条经验，也不等于能力已经内化。
换个任务、清空记忆，提升可能马上消失。

真正值得关注的是第三层和第四层：系统改变了持续存在的能力组件，而且这次改变提高了它下一次自我改进的能力。

RSI 要检查的，是这次改进有没有留下来，能不能成为下一轮改进的工具。

3. 怎样才算真正的 RSI

一套完整的 RSI 流程，可以压缩成七个环节：

执行任务 → 发现不足 → 提出修改 → 在隔离环境测试 → 独立评估 → 接受或回滚 → 用升级后的系统进入下一轮

前六步组成“自我改进”。
第七步让它变成“递归式”自我改进。

如果改进后的版本不能更有效地参与下一轮研究，循环就没有真正递归。
它只能算重复优化，递归带来的复利还没出现。

3.1. 三个条件，少一个都要打折

要问什么	真正检查的东西	常见假象
改了什么？	是否改动长期使用的记忆、权重、工具、代码或训练机制	只把当前答案重写一遍
改动留下来了吗？	新版本能否成为下一轮循环的起点	清空上下文后优势消失
谁来判分？	是否有隐藏测试、独立验证和回滚	自己出题、自己答题、自己宣布进步

这三问对应 RSI 的三个支点：改动有多深、能否保留，以及评估是否可信。

3.2. 会反思，为什么通常还不算 RSI

今天的 AI 很会“反思”：找到问题，提出修改，再重写答案。
这个能力有用，但多数情况下只改变当次输出，没有改动长期能力。

研究还发现一个反直觉现象：没有外部反馈时，模型的“内在自我纠错”并不稳定。
有时第二遍更好，有时它会把原本正确的答案改错。

所以，流畅的自我批评不是自知之明的充分证据。
它可能只是又生成了一段听起来合理的文字。

判断标准仍然是那三个问题：改了什么，是否保留，谁来验收。

4. 技术已经走到哪一步

现有研究正在逐段补齐闭环，还没有一步跳到完整 RSI。
按“改动有多深”来看，可以分成四级。

4.1. 输出级：会回头改答案

Self-Refine 让模型先生成结果，再对结果给反馈，然后继续修改。
论文在七类任务上报告了平均约 20 个百分点的绝对提升。

这说明反复修订确实有价值。
但提升主要发生在当前推理过程里，系统本身没有永久升级。

Reflexion 再往前一步：它把失败经验写入外部记忆，之后做题时先读“错题本”。
论文在 HumanEval 上报告 91% pass@1，高于所采用的 80% 基线。

进步已经能跨任务保留，但它仍主要依赖外部记忆，不等于底层模型完成了自我重写。

4.2. 学习级：会制造下一批训练信号

STaR 让模型生成推理过程，筛选有效样本，再用这些样本继续训练。

Self-Rewarding Models 更进一步：模型既生成回答，也参与评价回答，把判断结果转成训练信号。

SEAL 让模型生成用于更新自身的训练数据或更新指令；Absolute Zero 则探索由系统自己提出可验证任务，再从解题反馈中学习。

这一层真正碰到了“模型更新模型”。
同时，风险也变得更尖锐：如果评估器有偏差，错误会被写进下一轮训练。

4.3. 工作流级：会改工具和研究流程

AI 的能力并不只装在权重里。
提示、工具调用和代码是一部分，搜索顺序、记忆管理与代理分工共同构成另一部分。
它们合起来叫 harness，也就是能力运行的外部支架。

STOP 展示了一类“脚手架改脚手架”的路线：系统优化帮助模型解决问题的程序。
基础模型可以不变，但整个解题系统变强。

这类结果提醒我们：自我改进不一定表现为“重写大脑”，也可能先发生在“大脑如何使用工具”。

4.4. 研发级：会提出修改、写代码并做实验

Darwin Gödel Machine（DGM）把改进对象推进到代理系统本身。
它能提出代码修改、运行测试，并保留多个候选版本形成开放式演化档案。

论文报告中，DGM 在 SWE-bench 上从 20.0% 提升到 50.0%，在 Polyglot 上从 14.2% 提升到 30.7%。

但它并非完全自由地“想怎么改就怎么改”。
改动要接受外部基准测试，候选版本由选择机制筛选，执行发生在沙箱中，实验仍有人类监督。

这揭示了一条重要规律：越接近真正的自我改进，越依赖可靠的外部边界。

同一趋势也出现在自动算法发现与自动化科研中。

AlphaEvolve 把生成的程序交给自动评估器筛选，再通过进化搜索保留更好的候选。
机构披露，它曾帮助回收平均约 0.7% 的全球计算资源；在部分计算内核上，报告过 23% 的加速、约 1% 的训练时间缩短，以及最高 32.5% 的特定内核加速。

AI Scientist v2 已能从选题、实验推进到写作与模拟评审。
公开实验中，三篇生成论文里有一篇达到相关研讨会的接收标准；后续人工检查也发现了引用与论证问题。

这些成果很强，但它们仍依赖人类预先定义的任务空间与评估规则，以及算力预算和安全边界。

5. 为什么完整 RSI 仍未出现

目前我们已经拥有许多自我改进组件，也出现了局部闭环；
但尚未看到一个经公开验证且可长期运行，还能跨领域持续增强自身改进能力的完整 RSI 系统。

5.1. 现有系统卡在哪里

常见限制包括：

• 优化只在单个任务或短时间窗口内有效；
• 改动停留在记忆和工作流；
• 测试、奖励与任务边界仍由人提供；
• 多轮提升不稳定；
• 还无法证明“这一轮升级让下一轮升级更有效”。

RE-Bench 对短期能力与长期能力的差距给出了一个直观样本。
在 2 小时预算下，AI 的得分大约是人类的 4 倍；到 8 小时，人类略微反超；到 32 小时，人类大约达到 AI 的 2 倍。

AI 擅长高速搜索和快速试错，适合短周期执行。
长周期研究还需要持续规划与方向修正，也要诊断异常并管理资源。

某实验室在 2026 年披露，其合并的生产代码中超过 80% 可归因于内部 AI 编程系统。
这个数字说明工作流正在快速变化，却不能证明 AI 已能独立选择研究方向并判断长期价值，或完成开放式科研闭环。

代码占比回答的是“谁写了代码”。
RSI 还要回答：谁提出值得解决的问题，谁设计评估，谁判断结果可信，谁决定下一轮改什么。

5.2. 为什么“智能爆炸”没有立刻发生

RSI 常被讲成一个陡峭故事：系统让自己更聪明；更聪明的系统更擅长升级自己；循环越来越快，最终出现智能爆炸。

逻辑上，正反馈可能存在。
工程上，每轮都会撞上减速项。

第一，可优化空间会缩水。
早期可以删掉错误步骤，换工具并补测试。
几轮之后，剩下的问题更难、更贵，边际收益自然下降。

第二，整体速度受最慢环节限制。
假设一项研发流程中，90% 的环节被加速 100 倍，剩下 10% 完全不能加速。
按照 Amdahl 定律，局部快 100 倍，整体只有约 9.2 倍。
实验设备与数据获取、芯片生产与能源供给，以及合规和人工审批，都可能成为那段无法压缩的 10%。

第三，能力越强，验证越贵。
开放式研究没有唯一答案，成果价值可能几个月后才显现。
系统还可能寻找评估漏洞，让分数上升而真实能力没有改善。

第四，能力可能此消彼长。
编程变强，不代表推理与校准、可解释性或安全性同步提升。

第五，递归可能断掉。
第一轮变强，不代表第二轮更容易。
新系统可能更难理解和测试，也更难安全修改。

判断 RSI 进展，不能只看某轮涨了多少分。
还要看三条曲线：每轮收益是否持续、成本是否失控，以及验证是否可靠。

6. 最难的不是改进，而是判分

很多人以为，自我改进最难的是“生成更好的方案”。
实践中更难的是 Evaluation（评估）：怎样确认新版本真的更好。

系统会朝着“被奖励的东西”优化，不会自动理解“我们真正想要的东西”。
只考短题，它可能牺牲长期规划；只考速度，它可能跳过验证；测试集固定，它可能专门适配测试；评分器有漏洞，它可能学会利用漏洞。

这就是 reward hacking：指标变好，真实目标没有改善。

一个可信的 RSI 评估体系，至少要检查四层。

1. 任务层：当前任务的正确率、速度或成本是否改善；
2. 泛化层：换任务、换数据、换环境后，提升是否仍然存在；
3. 回归层：新能力有没有破坏旧能力，安全边界是否退化；
4. 元改进层：这一轮升级是否让下一轮研究、诊断和优化更有效。

第四层是 RSI 与普通优化的分水岭。

可信的闭环不能只有“生成—打分—保留”。
它还需要隐藏测试和独立评估器，也要有能力回归测试、异常监控以及完整日志与一键回滚。

RSI 的核心瓶颈是确认一件事：它改对了吗？

7. 能力加速后如何保持可控

RSI 的风险不只来自“能力有多强”，还来自“变化有多快”。

一个能力稍强但更新缓慢的系统，人类还有时间审计和纠偏。
一个每小时改写自身关键组件的系统，即使单次变化不大，也可能让监督迅速过期。

主要风险可以归为四类。

• 目标漂移：多轮优化后，代理目标逐渐偏离原始意图；
• 欺骗评估：系统学会让测试通过，却没有真正完成目标；
• 能力失控扩散：高风险能力被快速复制、组合或部署；
• 审计失效：更新速度超过人类理解与响应速度。

有效治理不能只靠一句“保持安全”。
它需要把权力拆开：

修改由一方提议，实验由另一方执行，结果评估与部署批准也要分开。

更稳妥的工程结构要补上七道防线。

1. 沙箱执行，限制网络、权限和资源；
2. 外部评估，关键指标不由被评估者单独定义；
3. 分级审批，高风险修改必须经过独立授权；
4. 版本记录，所有修改、测试和决策可追溯；
5. 回滚机制，新版本异常时能恢复到已知安全状态；
6. 速率限制，控制自我修改的频率、范围和算力预算；
7. 红队测试，主动寻找奖励投机、规避监督与能力外溢。

这些机制会降低速度，却提高了 RSI 最缺的东西：可信度。

8. 八问验货：快速判断一项 RSI 声明

以后再看到“AI 学会自我进化”“AI 已能升级自己”，可以直接用这八问验货。

8.1. 它到底改了什么？

它改的是回答，还是提示、记忆和权重？
又或者，改动已经深入工具、代码乃至完整研发流程？

8.2. 改进保留了吗？

重启系统或清空上下文，再换一个任务，优势还在不在？

8.3. 它跨领域有效吗？

只对一个基准有效，还是能迁移到不同任务和环境？

8.4. 谁提供评估信号？

是系统自己评分，还是有独立评估器、隐藏测试或真实世界结果？

8.5. 谁决定保留新版本？

系统能直接部署自己，还是必须经过沙箱测试与外部审批？

8.6. 是否真的出现递归？

新版本只是任务分数更高，还是也更擅长研究、诊断和改进下一版自己？

8.7. 提升持续了几轮？

一次跳涨不等于复利增长。
要看多轮收益、成本与稳定性。

8.8. 失败时能停下并回滚吗？

没有日志、权限边界和回滚机制的“自我进化”，更接近不可控实验。

如果一项成果只能清楚回答前两问，它可能是不错的自我优化技术；如果八问都有可信证据，才值得认真讨论 RSI。

9. 结语：三句话记住 RSI

第一，会改答案，不等于会改自己。

反思、重写、调用工具都很有用，但多数只改善当前任务。

第二，RSI 的关键是“改进能力本身也被改进”。

新版本要成为下一轮升级的研究者和工具，递归才真正成立。

第三，决定 RSI 上限的，既是生成能力，也是评估能力。

不会评估，系统可能越改越偏；评估可信、边界清楚、失败可回滚，自我改进才可能从演示走向可靠工程。

今天，我们已经能看到递归闭环的许多零件。
系统可以自我反思并保存长期记忆，也能生成数据、自我训练并改写工具与代码。
自动实验和自动评审也已出现。
零件正在快速变强，完整机器仍未出现。

这正是理解 RSI 最合适的姿势：既不要把每次自我纠错都叫作“进化”，也不要因为完整闭环尚未出现，就低估这些零件组合起来的速度。

10. 参考资料

• Madaan et al., Self-Refine: Iterative Refinement with Self-Feedback, 2023.
• Shinn et al., Reflexion: Language Agents with Verbal Reinforcement Learning, 2023.
• Huang et al., Large Language Models Cannot Self-Correct Reasoning Yet, 2024.
• Zelikman et al., STaR: Self-Taught Reasoner, 2022.
• Yuan et al., Self-Rewarding Language Models, 2024.
• Zweiger et al., Self-Adapting Language Models (SEAL), 2025.
• Zhao et al., Absolute Zero: Reinforced Self-play Reasoning with Zero Data, 2025.
• Zelikman et al., Self-Taught Optimizer (STOP), 2023.
• Zhang et al., Darwin Gödel Machine: Open-Ended Evolution of Self-Improving Agents, 2025.
• Google DeepMind, AlphaEvolve, 2025.
• Sakana AI, The AI Scientist-v2, 2025.
• METR, RE-Bench: Evaluating Frontier AI R&D Capabilities of Language Model Agents against Human Experts, 2024.
• Schmidt Sciences, AI 2050: A Global Vision for Safe AI.
• OpenAI, Practices for Governing Agentic AI Systems, 2023.
• Anthropic, Responsible Scaling Policy, Version 3.0, 2025.