7.2
深览指数
科技微博·量子位··AI 生成
AI开始改进“改进自己的方法”，RSI进入平方时代丨MetaRSI
MetaRSI-v1 是首个统一 Model、Data、Harness 三大递归自我改进（RSI）路线的元架构，核心创新是提出 Loop Kernel 统一范式，并通过横轴（算子编排）和纵轴（算子内部策略优化）双轴编排，让 AI 改进自身改进过程。实验显示，30 亿参数小模型平均提升 10.9 分，GPT-5.6 等旗舰模型提升 7.3 分。文章不满足于展示性能数据，还提炼了五条关于自我改进的限制性定律，如“能力与载体无关但成本与载体有关”。适合关注 AI 前沿技术路线、AGI 架构方法论或递归自我改进领域的读者，论文摘要或工程实现经验文章的前沿补充。原文 ↗
核心观点
- ▍MetaRSI-v1 提出了全球首个统一 Model-RSI、Data-RSI、Harness-RSI 的元递归架构，能改进“自我改进的过程”，实现了 RSI 的平方级跃迁。
- ▍MetaRSI 提炼出五条限制性定律，揭示了自我改进的边界，包括“验证决定进步前沿”、“自我认知会过期”、“能力与载体无关但成本与载体有关”等，超越了技术实现层面。
- 01MetaRSI-v1 让 30 亿激活参数的 Qwen3.5-35B-A3B 模型，在 Terminal-Bench 2.1、SWE-bench Pro、GPQA-Diamond、AIME 四项基准上平均自我提升 10.9 分，SWE-bench Pro 解决率接近翻倍。
- 02MetaRSI-v1 让 GPT-5.6、Claude Opus 5、Kimi K3 等六款前沿旗舰模型平均提升 7.3 分，证明范式对闭源大型模型同样适用。
- 03MetaRSI 首次定义了 Loop Kernel 范式，将“进步如何发生”抽象成一条与对象无关的闭环，使 Data、Harness、Model 三个算子可组合、可统一调度。
- 04架构设计了两个编排轴：横轴编排算子的应用顺序，纵轴优化算子内部的 RSI 策略；并由 MetaRSI² Agent 学习如何优化双轴编排策略本身，形成三层递归改进。
- 05Data-RSI 被重新定义：通过对执行轨迹与外界反馈学习信号的联合分析，标定模型能力的正负边界，其产物可同时供给 Harness-RSI 与 Model-RSI 消费。
- 06团队已开源 RSI-Harness 框架，并计划将闭环延展至物理世界，如可编程仪器和自动化实验室。
反方 / 局限
- — 定律五明确指出“循环不凭空创造能力，一切增益本质上都是外部信息熵的输入或能力的激发”，揭示了自改进的根本局限——它无法从无到有产生新知识。
- — 定律四指出“可信度由不可写面度量”，闭环内部无法区分能力变强和放宽成功标准，造成无法从内部察觉的度量偏差。
MetaRSI-v1Loop Kernel递归自我改进 (RSI)Data-RSIHarness-RSIModel-RSICosmosMindQwen3.5-35B-A3BGPT-5.6Claude Opus 5Kimi K3Terminal-Bench 2.1SWE-bench ProGPQA-DiamondAIME斯坦福伯克利MIT清华北大
8 分钟 · 5 卡片 · 12 资料
读原文 →