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）正变得异常火爆。

周六，在上海西岸，汇聚了一群最顶尖的人类大脑，以及那些试图让AI也具备聪明大脑能力的人。

在大洋彼岸，数月未曾公开露面、声称Gemini 3.8 Flash是“RSI的一大步”的姚顺宇，正在电话那头等待；成立仅半年、估值已达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，也参与了这场讨论。

他们共同聚焦于一个话题：资金不断涌入的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之一。它指的是AI能够自我改进自身，从编写代码、运行实验，到调整架构、优化权重，甚至自行设定新目标。

现场绝大多数参与者是研究员，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个小时的活动，一些构想和争议在会场中反复出现。

大家正在构想一个人类无需介入的终局——即人类不再参与模型自我改进的循环，并探讨大厂、实验室和创业公司如何探索和实现这一目标。

不同的声音也随之浮现——自进化是否是一个悲观的未来？最终是否会被模型厂商所吞没？RSI是否不需要预训练，也不应该是一个垂直模型？

关于如何定义、评估和验证RSI，以及它何时可能实现等问题，我们整理了来自姚顺宇、施天麟等硅谷研究员，以及来自清华、上海交大等高校的助理教授和研究员的观点，供参考：

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

2. RSI不是一个单一事件，而是一个连续的过程。

3. 从今年年初的一些迹象来看，RSI是可以实现的。主要原因是Coding和Agent Model都已成熟，达到了一个突破点。按照Coding Agent的方式，可以让AI去训练AI，实现AI自己的想法并改进自身，包括架构、数据集及其训练方法等，从而推动RSI的实现。

4. RSI与模型在自己生成数据上的微调，很难说清两者的区别是定性还是定量的。从某种意义上说，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，创业者的机会不在于通用智能，而在于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的能力。

8. 评估智能时，应关注它是如何学会这一能力的，而非学会了什么。

9. 验证的终极形态不应依赖人工，但在短期内，必须保留人的参与，尤其在任务定义和质量把控上，仍需人类专家提供高质量的测评。

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

11. 人们脑海中设想的RSI，可能是其终局——整个循环完全无需任何人。但从实际角度看，我们是否会达到那一天，以及是否有必要追求到那一步，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，经摘编整理：

在此之前，先介绍一下几位嘉宾——

• 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，此前曾在Anthropic任职。
• 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并联合创办了AI公司Cresta。
• 谷雨：NeoCognition联合创始人，ApprenticeBench第一作者。
• 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第一作者。
• 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和实验室的研究员、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，这也是他们首次在中国国内举办活动。

那么，进入正题。

如何递归？如何改进？

Q：如何定义RSI？

姚顺宇：RSI可能不是一个事件，而是一个连续的过程。我们现在只能讨论的是，我们在这个连续过程中所处的位置。

举个例子，模型从几年前就能自己编写代码了，它能写代码这件事实际上也加速了研究闭环，这也可以看作是RSI的一部分；后来模型能主动监控实验进程并提出新实验，这同样可以算作RSI。

从效果上看，人们脑海中设想的RSI，可能是其终局——整个循环完全无需任何人。但我们是否会达到那一天，以及是否有必要追求到那一步，仍不确定。

施天麟：从RSI的角度看，模型本身必须能觉察到自身的约束情况。它需要知道自己在哪些方面存在不足，并在明确出现偏离时，能自行纠正。这是RSI本身和模型自我强化的重要能力。

当然，仅靠模型本身是不够的，还需要通过一定的工具和应用场景来约束模型。

谷雨：RSI是一个很大的课题，我们今天在场的几个人，可能做的事情都完全不同。

大家的共性，可能包括以下三个类别：一是AI自行找到提升目标；二是AI不断让自己更接近这个目标，这可能是迭代过程；三是这个目标背后可能对应着长期任务。例如，让大模型去设计大模型，其目标可能就是更好的模型，其中AI需要自行制定预算、规划模型、总结方法，最终得到一个更新的模型。

孟繁青：我们现在经常把自我改进、持续学习和RSI这几个词放在一起讨论。

从我的角度看，RSI是指在给定环境、奖励或奖励函数的情况下，模型在其中持续迭代某个东西。这个东西可以是多种多样的，比如架构或权重，其最终目标是在该环境中获得更高的奖励得分。

在真正意义上的RSI中，模型需要优化自身、提升自身表现，而不是优化某个产物或另一个模型。整个系统除了自身、环境和奖励之外，没有其他外部因素。

周煊赫：从计算机的角度看，“递归”这个词应该递归到最本质的层面。对于一个AI系统来说，最本质的层面是它的参数和架构设计；再往外一层，是工具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，是首先将其切入产业场景，观察当前工作流是否存在痛点以及痛点在哪里。发现痛点后，下一步是检索解决方案。

RSI的最终版本可能是一个能自我改进的模型；但在当前初级阶段，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是否真正实现了自我改进？在场的各位也有一些关于基准测试的工作，请分享一下你们在评估方面的做法。

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，在基准测试上表现良好，并不一定意味着它能真正解决问题，或直接对应实际的生产或经济价值。我们想验证的是，让一个通用大模型变成能在某个岗位上有效执行的成熟员工。因此，我们需要搭建一个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：智能不是指你知道多少东西，而是你如何学会这些东西的。

周煊赫：评估非常重要，尤其是华人做AI，在确定一个方向后，大家很快会把这个方向的天花板卷起来。

当前的问题是，基准测试本身不够好，即使一些知名基准测试也存在许多错误。面向RSI的基准测试应该是什么样的？除了传统Agent的推理、探索和规划这三种能力外，我们还需要思考RSI需要哪些新能力。我们也相信，未来不仅需要AI自行迭代，真正高质量的基准测试仍需结合人类专家。

验证，是RSI持续演进的卡点

Q：如何定义验证，或者可以分享一些你们的思考？

姚顺宇：关于RSI最难实现的是自我改进，还是证明自己确实改进了？我认为是验证自己确实改进了。

过去很多人做过类似的事情，当时叫“赛博批评”——即一个AI出题、一个AI解题。这种做法最容易陷入局部最优：比如一个AI总是出非常简单的题，另一个都能答对；或者一个AI总是出非常难的题，另一个永远答不对。因此，最困难的地方在于，模型必须能真正理解自己到底进步了多少。与解决问题相比，RSI中最难的肯定是定义问题。

孟繁青：先不谈验证本身设计得是否合理，即使它完全正确，也会带来一个很大的问题：可复现性。

当前环境越来越复杂，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异存在。

此外，大多数基准测试都针对每个问题给出一个0到1的绝对分数。但这些分数实际上并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等不同层级，每一层对应不同的产物。在每个新平台上，通过运行这些产物来确定模型的输出属于哪一层。这可以避免上述物理意义和硬件差异导致的问题。

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添加扰动噪声，验证不同的扰动方式，可以让模型推理得更好。这实际上实现了我们追求的目标：边推理、边学习、边调整权重的能力。

从内部看，我们现在已经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进行保护。

与大厂争夺生态位的RSI初创公司

Q：如何思考RSI创业公司与模型厂商之间的边界？哪些方面模型厂商具有绝对优势，哪些方面创业公司能做出差异化？

孟繁青：RSI的概念很大，科研机构、创业公司和大厂，每个人做的实际上都是其中不同的部分，从上到下是这样的：

最上游，像Alphabet、OpenAI或Kimi这类公司，他们所说的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，能否将自身原有的生态抽象出一套面向Agent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：不纯粹用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，如工具。

对于上游和初创公司，目标比较明确：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：尽管对数据的要求越来越高，但我认为，当前的数据和环境仍然是一门好生意。

在一艘到处漏水的船上，靠用手堵窟窿解决问题。大厂的手再多，也顾不过来。因此，当模型落地到各行各业时，需要一套自进化的范式，这个范式的核心两个要素是数据和环境。

在数据方面，对于预算不足的小公司而言，他们需要一套轻量化的数据方案，再将其转化为用户自己的资产。

在环境方面，在嘈杂环境中执行任务，即使是最好的Agent，任务执行效果也会大幅下降。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来看：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情与模型厂互补。

关于服务模型厂，比如刚才周老师提到的卖数据、卖环境，这都是很好的生意。

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。我认为我们或大多数出来创业的人，不应该与大厂比拼通用智能，而应该做通用智力之后的专门知识。

一些争议

Q：目前行业内关于RSI的讨论，哪些观点和定义是你们不认可或不理解的？

谷雨：我不太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。

上一次自进化是从灵长类动物进化到人类，这是一个相当漫长的过程。尽管现在AI看起来取得了大量进展，但我认为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，现在的大模型是一个银河系，我们在银河系内，所以觉得银河系就是全部。但如果顺着大模型的路径慢慢向外拓展，你会发现大模型外面其实是虚空。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，只需要设计一个模型就能解决所有问题，但它的边界也在逐渐暴露出来，现在我们需要为不同领域设计不同的模型。

孟繁青：有些人在做RSI模型，我不太理解这个词。

比如某个模型可以完成一些垂直领域任务，这只是单纯将RSI概念包装到垂直模型上；又比如强调做模型的方法是RSI，这也不是真正的RSI，因为当前模型厂的后训练已经实现了高度自动化，这里的RSI能力在训练时已被模型厂商内化了。

假设我们常规训练出一个模型，它在环境中反复迭代、不断提高奖励反馈，学习曲线上会呈现出“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。这个模型不应该是针对某个垂直领域调出来的，而是具有通用性的。

周煊赫：关于做RSI的预训练模型，我非常不相信。

我们相信RSI路径有两种：一种是大厂正在做的，堆算力、自己找数据、构建超大规模图谱、出难题训练自己；另一种是，当AI进入各行各业时，由于大厂也缺乏这些环境的数据，因此通用模型在这类场景的解决能力也比较有限，我们相信还需要另一套RSI范式。

下一个突破

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

孟繁青：我比较期待看到RSI如何改进基础设施层。基础设施原本是为人类使用者设计的，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和提升自身能力；但更底层的东西，比如各种训练基础设施，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是：将一个Agent放入一家真实公司后，如何让它自己去摸清这家公司的规则和工作流程。

我们公司目前比较押注的一条路线，是对比非参数化和参数化这两种形式。

非参数化路线，就是现在很多人在做的上下文和记忆路线，其好处是不需要调整模型权重，也不需要大量样本；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。而参数化路线，表达力非常高、压缩率很高，但需要大量训练样本。

因此，我们认为一个可能的未来方向是：通过非参数形式，在线过程中学到一些新知识，再让基座模型生成更多数据，或将这些知识压缩进参数中。

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。如果未来模型能力提升，可能自己就会将RSI跑闭环。具体来看，它需要以下几方面能力：

第一，主动感知环境的能力。模型能主动、流式、低成本地将环境中各种模态的数据输入进来，感知哪些与任务对齐，并进行模态消歧。进一步，它甚至可以做到改造环境、适应环境。

第二，探索和创新的能力。它不应该被限制在人类的偏好对齐上，而是能自主探索出领导力、品味等能力，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