RSI 指 AI 系统能自主完成「构思—实现—验证」的升级循环，一旦闭环效率超过人类，发展速度将仅受算力限制。今年 5 月，知名 AI 研究者 Richard Socher 成立了以 RSI 为目标的 RecursiveSuperintelligence 公司，希望让研究想法的全流程自动化。但 RSI 面临「递归漂移」——模型在自我训练中累积错误而跑偏，Apodex 的解法是用多 Agent 团队互相验证、在代码与数学等易验证领域进行控制，行业如 SAHO 框架也通过目标漂移指数等量化指标来监控。

在 RSI 成为热点之前，自我博弈强化学习已在封闭系统验证成功——OpenAI o1 模型通过分裂出「出题者—解题者—裁判」多个智能体，在数学和代码等结果可客观验证的领域实现了无需人类老师介入的自我进化。其核心是「可验证奖励强化学习」(RLVR)，用编译器或数学公式的二元判断替代人工打分。但这条路在开放域任务（如撰写邮件）中遇到瓶颈，因为 80% 的现实任务没有标准答案，这正是 Apodex 提出的「发现模型」要解决的——通过培养科学品味来应对未知问题。

《Nature》封面论文揭示了一个残酷事实：当 AI 用自己递归生成的数据训练自己时，模型会像「近亲繁殖」一样退化——每一代丢失罕见但重要的尾部信息，到第五代输出已完全与输入无关。剑桥与斯坦福联合研发的 SAHO 框架虽能通过目标漂移指数等量化指标监控，但本质上只是「进化监护系统」，无法根治崩溃。这与 Apodex 追求的「发现模型」形成张力：RSI 在易验证领域（代码、数学）可行，但在开放科学领域，无标准答案的验证环境可能导致模型在幻觉中越陷越深。

Apodex 首席科学家认为，培养「发现模型」的关键不是让 AI 学会迎合，而是用顶级科学家的偏好数据校准其「科学品味」——判断一个科学问题价值高低，而非重复已知答案。但这条路的真正瓶颈不在模型，而在「科学证据层」：AI 读到的数据是否完整、引用是否能追溯到原文段落和图表。2026 年 GPT-Rosalind 等科研 Agent 的出现加速了这一进程，但《SciIntegrity-Bench》测试显示，7 款顶尖模型无一例外在空白表格中凭空编造数千行数据，说明验证环境的缺失仍是 RSI 从游戏走向科学的致命障碍。

为避免模型在训练中变成「拍马屁」的迎合者，Apodex 提出用顶级科学家的偏好数据来校准品味。但更深层的问题在于：当模型在未知领域提出超前假设时，人类自己也没有标准答案来验证其正确性。这引出一个开放问题——如果 AI 的「品味」只来自人类顶尖科学家的偏好，它会不会继承人类科学家的理论偏见（如范式锁定）？历史上，哥白尼的日心说提出了几十年才被验证，AI 若提出类似颠覆性假设，我们能否在没有验证环境的情况下信任它？