号称人类造的最后一个 AI 要来了，刷屏全网的 RSI 是什么
要论造词和包装概念，AI 圈要是自认第二，恐怕就没人敢称第一。 前阵子 OpenAI 总裁格雷格·布罗克曼表示，GPT-6 Astra 已经摸到了 AGI 的门槛。结果 AGI 还没热议几天，AI 同行们又开始炒作下一个 AI 热词了。 接棒的新词叫作 RSI，Recursive Self Improvement，递归自我改进。 简单点理解就是，AI 自己写代码、自己跑实验、自己改训练流程，改完再传给下一代更强的新模型。这么一圈圈套娃下去，研发速度可能越来越快，最终超过人类理解和控制的速度。 没有出乎太多意料，伴随着 RSI 出场的， 肯定还有语不惊人死不休的的安全叙事。 比如 OpenAI 首席科学家 Jakub Pachocki 前阵子将 AI 描述为一种人类尚未充分理解的 「异星心智」。 Anthropic 的 CEO 达里奥·阿莫代伊更是化身末日吹哨人，警告说更强的智能体可能带来大规模网络攻击、失控和文明级风险。 而另一头， 忙着卖卡的黄仁勋则在最近 All-In 峰会上，反驳道 ：少在那搞非黑即白的二极管思维，凭什么安全和创新就只能二选一？ 同一条产业链上，一边喊着人类必须踩刹车，一边猛踩油门。这场口水战背后，RSI 究竟是通往超级智能的入口，还是被精心包装出来的恐慌生意？ AI 开始造 AI，但距离「智能爆炸」还有多远？ RSI 最近听起来很新，它的思想源头却可以追溯到六十多年前。 早在 1965 年，英国数学家、密码学家 I.J. Good 提出过一个设想：如果一台机器能够超越人类的智力活动，那么设计机器也应当属于它的能力范围。 它可以设计出比自己更聪明的机器，后者再继续改进下一代。第一代创造第二代，第二代优化第三代，子子孙孙无穷匮也，机器智能由此进入不断加速的正反馈循环。 Good 将这种现象称为「智能爆炸」。 在今天的 RSI 研究中，相比于 AGI 关注的是 AI 能否完成与人类相当的通用认知工作。RSI 则关心 AI 能否改变产生这些能力的系统，并让下一轮改进变得更加有效。 比如会检查自己的答案，只能算自我修正。能够改进研发方法，再把有效变化交给后继系统使用，才开始触及递归自我改进。 近期，由上海交通大学、清华大学、字节跳动、上海人工智能实验室等机构研究者合作完成的预印本 《The Last AI Built by Humans》，就将 RSI 的自主性划分为 L1 至 L5 五个层级。 https://arxiv.org/abs/2609.11873 L1 主要负责执行人类给出的改进方案。L2 开始自主寻找改进策略。L3 可以决定需要获取哪些经验。L4 能够把部署环境中的反馈转化成持续保留的改动。 到了 L5，改进机制本身也成为改进对象。 AI 不仅能够完成某项研究任务，还能修改决定后续如何搜索方案、评估结果和组织研究的机制，并让后继系统继续使用修改后的机制。 在最激进的终局设想中，AI 还将进一步获得提出目标、修改评估方法和重写底层改进逻辑的能力。一旦走到这一步，人类制造的就不再只是一个模型，而是一套能够继续制造模型的系统。 此后出现的下一代 AI，可能不再由人类工程师逐项设计。模型架构、训练流程和改进方法，将越来越多地来自机器自己的选择。 包括 OpenAI 9 月 6 日公布的内部报告显示，他们已经实现「自动化研究实习生」目标。这类系统能在人类指导下编写代码、运行实验、排查故障和分析结果，其中一些任务原本需要熟练研究员花费数天。 https://openai.com/index/research-acceleration-view-inside-openai/ 截至 8 月中旬，每投入一个人类工作日，OpenAI 研究部门的智能体运行时长已经相当于 3.1 个工作日。 Anthropic 则把自动化推进到了安全研究。Claude 可以自己查文献、提方案、生成训练数据、运行实验和评估结果，并进一步根据成绩反复迭代。 最接近「AI 训练下一代 AI」的一次实验中，能力较弱的 Claude Sonnet 5 帮助早期 Claude Opus 4.8 改善安全表现。 https://alignment.anthropic.com/2026/automated-alignment-researchers/-can-aars-posttrain-productiongrade-models 约 60 小时内，前者测试了 50 多种方案，最终只使用约 2400 条训练样本，就把后者既定评测中的对齐成绩推到接近正式版 Opus 4.8 的水平。 除了爆改模型，还有一条更现实的 RSI 路子：在模型周边的软件系统上打补丁。 据外媒 The Information 报道，北大校友翁荔重返 OpenAI 后，将带队研究
