AIDE² 八天自改进超越两年手调

WecoAI 的 AIDE² 实验近日被多条帖子集中讨论：团队让“自动研究”系统继续研究并改写“自动研究代理”本身，连续运行 8 天后，在留出 benchmark 上超过了他们过去 2 年手工调优的 harness。之所以受到关注，是因为它把“递归自我改进”从概念争论推进到了可测的智能体实验；但围绕这一结果能外推出什么，讨论很快出现分歧。

实验设计

按 @latticecut 的梳理，AIDE² 采用内外两层循环：内层智能体负责完成研究任务，外层智能体根据执行表现重写内层的代码框架或 harness，再通过测试验证改写效果，只有表现更好的版本会被保留。系统总共进行了约 100 次迭代。

另有转述把 AIDE²/GoalOS 描述为在“智能体操作系统”层做改进，而不只是优化单个 agent。在这种说法里，被联动优化的对象还包括 jobs、tools、validators、memory、goals 等组件。

解读分歧

@EchoOfOppenheimer 将其称为递归自我改进（RSI）的首个实验性证据。相比之下，@GaryMarcus 在转述论文时强调，实验中每轮自我改进的收益呈明显递减，拟合出的增长关系约为 [Intelligence]^0.075；按他的解读，这离“失控式自我提升”所需的线性或超线性增长还很远。

@KordingLab 转发的观点也持类似谨慎态度：即便这个实验支持某种形式的 RSI，也不能仅凭这一点就推出“奇点”临近。

2026-07-15 ~ 2026-07-16 · 12 条相关

一手来源