7.5
深览指数
科技Bestblogs·晚点聊 LateTalk··AI 生成
178: 与田渊栋聊 RSI：模型自进化如何到来？
田渊栋认为，RSI（递归自进化）在2026年复兴的核心原因是Coding Agent能力质变，让AI能像研究员一样发现自身问题并形成优化闭环。这与十年前的AutoML有本质区别：大模型能部分替代人类定义问题，使搜索空间更智能。他指出智能提升更可能是阶梯式跳跃而非平滑曲线，这为初创公司保留了超车机会。文章适合关注AI前沿、科研自动化和技术创业的读者，提供了比主流“Scaling Law”叙事更具体的视角。原文 ↗
核心观点
- ▍RSI（递归自进化）在2026年复兴的核心原因是Coding Agent与模型能力达到了临界点，AI能像研究员一样识别自身问题并形成优化闭环，这与十年前的AutoML有本质区别。
- ▍智能提升更可能是阶梯式跳跃而非平滑曲线，由底层架构和数学模型的突变驱动，每次突破后进入平台期，这为初创公司提供了超车机会。
- 01田渊栋在2025年8月与GPT-5合写论文时，意识到模型能力已强到无需再招实习生，这催生了创业想法。
- 02Recursive SuperIntelligence的通用系统在NanoChat优化、训练加速和GPU算子优化三个Benchmark上达到了SOTA，展示了RSI的实用价值。
- 03RSI初级阶段无需解决AI从少量样本中领悟新知的终极难题，只要在预训练优化、Infra效率提升等明确指标上实现自进化即可产生巨大价值。
- 04AI研究人员能通过与大模型频繁交互，将验证周期从数月压缩到几分钟，凭借“技术品味”和判断力把控科研方向。
反方 / 局限
- — 田渊栋承认完全的自动化不会很快发生，人仍然在循环中，只是循环的层级更高了，这暗示了RSI在短期内存在执行瓶颈。
4 分钟 · 3 卡片 · 7 资料
读原文 →