深度解析 RSI 递归自我改进：从人机协同到闭环进化

青稞AI · wechat · 2026-08-26

本文深入探讨了 Recursive Self-Improvement (RSI) 的概念与演进，旨在将人类逐步移出改进环路。文章将 RSI 分为 Test-Time RSI (部署时改进) 和 Training-Time RSI (训练时改进) 两大类，并细分为 Chatbot 上的 Self-Refine/TTT 和 Agent 上的 Harness Evolution 等阶段。随着改进对象从 Output 扩展到 Weights 再到 Agent 本身，经验的持久性不断增强，人类角色也从直接参与者退居为监督者。文章进一步讨论了 Zero-Label (自生监督信号) 和 Zero-Data (自生课程/问题) 的范式转变，以及随之而来的自我确认循环和训练崩溃风险。最后指出 Verifier (验证器) 的可靠性是 RSI 持续进化的核心瓶颈。