VC追着投的RSI究竟是什么？姚顺宇、施天麟与清华/上交的教授们给出了回答

文｜王欣逸

编辑｜张雨忻

RSI（递归式自我改进）热度极高。

周六，上海西岸，聚集了一群顶尖的人类头脑，以及那些试图让AI也具备类似能力的人。

在大洋彼岸，数月未公开露面、声称Gemini 3.8 Flash是“RSI的一大步”的姚顺宇，正在电话那头等待；成立半年估值46.5亿美元、专注于AI自进化的硅谷创业公司Recursive Superintelligence，其联合创始人施天麟，也参与了这次讨论。

他们为同一个议题而来：涌入资本的RSI赛道，正在发生哪些变化？

RSI，即Recursive Self-Improvement，自今年年中以来成为最热门的话题。它指的是AI能够自我完善，从编写代码、运行实验，到调整架构、优化权重，甚至自主设定新目标。

现场大多数人是研究员，来自各大企业、高校和实验室，也有不少知名投资机构、FA和孵化器到场。我们全程参与了这场长达五小时的活动，一些设想和争议反复出现。

人们正在设想一个人类无需介入的终局，即人类不参与模型自我改进的循环，也讨论大厂、实验室和创业公司如何探索并实现这一目标。

不同的观点也在出现——自进化是否是一个悲观的未来？最终是否会被模型厂商吞没？RSI是否不应涉及预训练，也不应是一个垂直模型？

关于如何定义、评估和验证RSI，以及它何时可能实现，我们整理了来自姚顺宇、施天麟等硅谷研究员，以及清华、上交等高校助理教授、研究员的观点，供参考：

1. 当AI公司扩大自身规模（如模型能力、客户规模）时，不再需要同步扩大团队规模，RSI就会发生。

2. RSI不是单一事件，而是一个连续的过程。

3. 从今年年初的一些迹象看，RSI是可行的。主要原因是Coding和Agent Model已成熟，达到了突破点。通过Coding Agent的方式，可以让AI训练AI，实现AI自己的想法并改进自身，包括架构、数据集和训练方法，从而推动RSI的实现。

4. RSI与模型在自己生成数据上的微调，很难区分是定性还是定量的差异。某种意义上，模型自己生成数据是RSI的雏形。

5. 数据和环境是RSI落地的良好商机。

6. 与OpenAI、Anthropic等大厂竞争，创业者的机会不在通用智能，而在基础知识之外的专业知识。

7. 不需要从头训练RSI模型，其基础性能难以超越通用大模型，也难以通过自我迭代获得更强能力。

8. 评估智能，应关注它如何学会这一能力，而非学会了什么。

9. 验证的终极形态不应依赖人工，但短期内必须保留人的参与，尤其是在任务定义和质量把控上，仍需人类专家进行高质量测评。

10. RSI的最终版本可能是一个能自我改进的模型；但在当前初步阶段，可以依赖外部辅助模型和收集反馈信号。

11. 人们想象的RSI，可能是其终局——整个循环完全无需人类。但实际上，能否达到那一步，以及是否有必要追求到那种程度，仍不确定。

以下是这场由AGI House、红杉中国、Research AI+联合主办、主题为“当AI开始递归自我改进”活动的部分干货内容，经过摘编：

在此之前，先介绍几位嘉宾——

• 姚顺宇：Google DeepMind主任资深科学家，专注于Auto-Research方向探索，博士毕业于斯坦福大学理论物理专业，此前任职于Anthropic。
• 施天麟：Recursive Superintelligence联合创始人，清华姚班校友，曾在OpenAI担任研究员，在斯坦福大学读博期间退学联合创办过一家AI公司——Cresta。
• 谷雨：NeoCognition联合创始人，ApprenticeBench一作。
• 周煊赫：上海交通大学助理教授，Theseus Labs创始人。
• 孟繁青：Evolvent AI联合创始人，RSI Bench Data一作。
• 刘子鸣：清华大学助理教授，元环智能创始人，专注于AI for AI方向。
• 穆尧：上海交通大学助理教授，SeeAct AI创始人，从事具身智能的RSI方向。

此外，其他嘉宾还包括来自海内外其他高校、实验室的研究员和博士生。值得一提的是，主办方AGI House活跃于硅谷，是一个AI创业社区与孵化器，这是他们首次在国内举办活动。

那么，进入正题。

如何递归？如何改进？

Q：如何定义RSI？

姚顺宇：RSI可能不是一件事，而是一个连续事件。我们现在只能讨论，我们在这个连续事件上的位置。

举个简单的例子，模型从好几年前就可以自己写代码了，它写代码这件事加速了研究闭环，也算RSI的一部分；后来模型可以主动监控实验进程并提出新实验，这也算RSI。

从效果上看，人们想象的RSI可能是其终局，整个循环完全无需人类。但我们能否达到那一步，以及是否有必要追求到那种程度，仍不确定。

施天麟：从RSI的角度，模型本身必须能觉察自身的约束情况。它要知道自己在哪些方面存在不足，当出现偏离时，能自行纠正。这是RSI和模型自我强化的关键能力。

当然，仅靠模型本身不够，还需要通过一定的harness和应用场景来约束模型。

谷雨：RSI是一个很大的课题，我们在场的几个人，可能做的事情完全不同。

大家的共性，可能包括以下三类：一是AI自主寻找提升目标；二是AI不断接近这一目标，这可能是迭代过程；三是这个目标背后可能对应长周期任务。例如，让大模型去做大模型，目标可能是更好的模型，其中AI需要自己建立预算、规划模型、总结方法，最终得到更新的模型。

孟繁青：我们现在经常把Self-improving、持续学习和RSI几个词放在一起说。

从我的角度看，RSI是在给定环境、奖励或奖励函数的情况下，模型在其中持续迭代某个东西。这个东西可以是架构、权重等，最终目标是在环境中获得更高的奖励得分。

在真正意义上的RSI中，模型需要优化自己、提升自身表现，而不是优化某个产物或另一个模型。整个系统没有除自己以外的外部因素，只有自己、环境和奖励。

周煊赫：从计算机的角度，Recursive这个词应递归到最本质的层面。对于一个AI系统，最本质的层面是参数和架构设计；再往外一层，是Harness中的各种代码和脚本；再往外，是它交互的环境，包括各种文件和工作区。

我们对RSI的定义，是先切入产业场景，看当前工作流是否有痛点、痛点在哪。发现痛点后，接下来是检索解决方案。

RSI的最终版本可能是一个能自我改进的模型；但在当前初步阶段，可以依赖外部辅助模型和收集反馈信号。

RSI真的实现自我进化了吗？

Q：如何评估RSI真的实现了自我改进？在场的各位也有一些关于Benchmark的工作，也请分享一下你们在做的评估方式。

谷雨：评估主要关注什么，以及为什么在这个时间点比较重要，有两个关注点：

一是生态效度，在Benchmark上表现好，不一定意味着它真能解决问题，或直接对应实际生产价值或经济价值。我们想验证的是，如何让通用大模型变成能在特定岗位上执行的成熟员工。因此，我们需要搭建贴近真实工作的环境。

二是，我们到底要评估智能的什么？我在很多场合引用过一个观点，智能指的不是你掌握多少东西，而是你如何学会这些东西。

周煊赫：评估很重要，特别是华人做AI，在确定方向后，大家会迅速把这个方向的天花板卷起来。

现在的问题是，benchmark本身不够好，即使一些知名benchmark也有很多错题。面向RSI的benchmark应是什么样？除了传统Agent的推理、探索和规划能力外，我们还需思考RSI需要哪些新能力。我们也相信，未来不仅需要AI自我迭代，真正高质量的benchmark仍需结合人类专家。

验证，是RSI持续演进的卡点

Q：如何定义验证，或者可以给出一些你们的思考？

姚顺宇：关于RSI，最难实现的是自我改进，还是证明自己真的改进了？我认为是验证自己真正改进了。

过去很多人做过类似的事，当时叫“赛博批评”——一个AI出题、一个AI解题。这种做法容易陷入局部最优：比如一个AI总出简单题，另一个都能答对；或者一个总出难题，另一个永远答不上来。因此，最难的地方在于，模型得能真正理解自己进步到了什么程度。相比解决问题，RSI中最难的事肯定是定义问题。

孟繁青：先不谈验证本身设计得是否正确，即使正确，也会带来一个大问题：可复现性。

现在环境越来越复杂，涉及CPU型号、操作系统是Mac还是Windows、内存大小等，不同物理平台会导致差距存在。

此外，大多数benchmark每题都给出0到1的绝对分数。但这些分数没有很强的物理意义，绝对分数本身也说明不了什么。

我们公司的一位合作者提出了另一套评分标准。它将层级分为Agent-SOTA、Human-SOTA等不同layer，每层对应不同产物。在每个新平台上，通过运行这些产物来确定模型输出属于哪一层。这样就能避免物理意义和硬件差距导致的问题。

周煊赫：我很早之前看过清华一个团队的工作，他们在推理过程中，通过给权重加扰动噪声，验证不同扰动方式，可以让模型推理得更好。这实际上实现了我们追求的：边推理、边学习、边调整权重的能力。

从内部看，我们现在已设计了推理和记忆分离的模块，从记忆埋点模块有一些隐式的中间态传递，也可以通过外部手段做保护。

和大厂抢生态位的RSI初创们

Q：如何思考RSI创业公司和模型厂商的边界？什么地方模型厂商有绝对优势，什么地方创业公司能做出不同？

孟繁青：RSI的概念很大，科研机构、创业公司、大厂，每个人做的其实都是其中的不同部分，从上到下是这样的：

最上游，像Alphabet、OpenAI或Kimi这类公司，他们说的RSI基本上是纯粹的RSI，即模型迭代自身，包括整个架构，追求更高的智能。

再往下一层，比如一些传统SaaS公司，RSI需要环境和验证。对他们来说，能否将自己原有的生态抽象出一套Agent-native的服务，方便上游模型厂商通过Agent调用，并提升Agent在该场景下的智力，这可能就是这些下游传统公司理解的RSI。

再往下，一些初创公司的方向可能是：不用纯粹的RSI迭代基础模型本身，不花大价钱训练自己的基础模型，而是用RSI迭代某些产物，如Harness。

对于上游和初创公司，目标明确：要么提升模型本身，要么提升下游表现；而对于底层的SaaS公司，他们对RSI的态度可能是，能否在其中提供更多环境。

周煊赫：尽管大家对数据的要求越来越高，我认为，现在的数据和环境仍然是一门好生意。

在一艘到处漏水的船上，用手堵窟窿是解决方式。大厂的手再多，也顾不过来。所以当模型落到千行百业时，需要一套自进化的范式，这个范式最核心的两个因素是数据和环境。

数据侧，对预算不足的小公司来说，他们需要一套轻量化的数据方案，再转化为用户自己的资产。

环境侧，在嘈杂环境中执行任务，即使是最好的Agent，任务执行也会大幅降分。如何很好地理解，并将这套方案与模型协同进化的范式，非常重要。

谷雨：我觉得可以从两个角度看：第一个角度是创业公司服务模型厂，第二个角度是创业公司做的事与模型厂互补。

关于服务模型厂，比如刚才周老师提到的卖数据、卖环境，都是好生意。

关于与模型厂互补，刚才繁青老师也提到，模型厂提供的是通用智力，即模型的通用能力。我觉得我们或大部分出来创业的人，不应与大厂比拼通用智能，而应做通用智力之后的专门知识。

一些争议

Q：目前行业里关于RSI的讨论，哪些观点和定义是你们不认可、不理解的？

谷雨：我不太能理解为什么国内的投资人给RSI投了这么多钱？

刘子鸣：自进化是一个非常悲观的未来。

上一次的自进化，是从灵长类动物进化到人，这是一个相当漫长的过程。尽管现在AI看起来有大量进展，但我想说自进化是一条低效的路线，意味着我们被卡在低维。

打个比方，现在的大模型是一整个银河系，我们在银河系里，所以觉得银河系已经是全部。但如果顺着大模型的路径慢慢往外拓，你会发现大模型外面其实是虚空。你只有先熵增，上升到宇宙的维度，然后再做熵减，才能发现，可能别的地方还有一片星系适合人类居住。

分久必合，合久必分。我们现在正处于合的阶段，只用设计一个模型就可以解决所有问题，但它的边界也慢慢暴露出来了，现在我们需要给不同领域设计不同的模型。

孟繁青：有些人在做RSI的模型，我不太能理解这个词。

比如某一模型可以完成一些垂域任务，这只是单纯将RSI的概念套用到垂域模型上；又比如强调做模型的方法是RSI，这也不是真正的RSI，因为现在的模型厂的后训练也已实现高度自动化，这里的RSI能力在训练时已被模型厂商内化。

假设我们常规训练出一个模型，它在环境里反复迭代、不断提高奖励反馈，学习曲线上会呈现“得分随训练时间推移上升”的斜率。RSI模型的价值在于，这个斜率会更高。这一模型不应是针对某一个垂域调出来的，而应具有通用性。

周煊赫：关于做RSI的预训练模型，我是非常不相信的。

我们相信的RSI路径是：一种是大厂正在做的，堆算力、自己找数据、构建超大的图谱、出难题训练自己；另一种是，当AI进入千行百业时，由于大厂也缺失这些环境的数据，因此通用模型在这类场景的解决能力也有限，我们相信还需要另一套RSI的范式。

下一个突破

Q：你最期待的RSI范式突破是什么样的，或者说你们认为未来什么样的潜在范式突破，会对你们正在做的事造成颠覆？

孟繁青：我比较期待看RSI如何改进Infra层。Infra原本是面向人类使用者设计的，那之后会不会衍生出一些更面向Agent的方法？比如原本的SaaS，它们现在已经在积极改进、提升自身能力；但更底层的东西，比如各种训练infra，之后会不会出现一些纯智能类的Agent去介入？

谷雨：我关注的是实验学习的能力，尤其是在真实环境中的实验学习。我们公司现在真正在做的事是：把一个Agent放进一家真实公司后，如何让它自己去摸清这家公司的规则和工作流。

我们公司现在比较押注的一条路线，是对比非参数和参数化两种形式。

非参数的路线，就是现在很多人在做的上下文、记忆路线，好处是不需要动模型权重，也不需要很多样本；坏处是不够鲁棒，因为更新记忆文档的优化算法并不稳定，其压缩能力和表达能力也不够强。而参数化的路线，表达力非常高、压缩率很高，但它需要很多训练样本。

所以我们认为一个可能的未来方向是：通过非参数的形式，在在线过程中学到一些新知识，再让基座模型去生成更多数据，或者把这些知识压进参数里。

周煊赫：我们相信，RSI会内化在模型本身的能力上。此前提到的与生态环境不匹配的问题，本质上是模型能力不够强。如果未来模型能力上去了，可能自己就会把RSI跑闭环，具体来看，它需要几方面能力：

第一，主动感知环境的能力。模型能主动、流式、低成本地将环境里各种模态的数据输入进来，感知哪些是与任务对齐的，并做模态消歧。进一步，它甚至可以改造环境、适应环境。

第二，探索和创新的能力。它不应被限制在人类的偏好对齐上，而应能自主探索出领导力、品味的能力，甚至关键信息的感知能力。

第三，在线持续学习的能力。一定不能只有后训练的模式，反向传播的显存开销远远大于推理显存的开销，所以如何做出一个轻量化、小样本的持续学习，也很关键。这一能力与安全密切相关，因此AI还需满足对自身能力边界的可控和感知的能力。