RSI-Exam 基准发布：量化 LLM 自演化能力
cihangxie · x · 2026-08-27
RSI-Exam 是一个新的基准，旨在量化 LLM 的递归自我改进（RSI）能力。它不测模型修改自身权重，而是测试智能体能否通过数小时的自主实验改进“可执行的工作产物”，并在隐藏测试集上验证泛化性。基准包含 88 个任务（35 公开 + 53 私有），覆盖物理科学、AI 模型、系统硬件等 6 大领域。榜单显示 Claude 和 GPT 构成第一梯队，但距离理想上限仍有巨大空间。
所属事件:RSI-Exam 基准发布：88 项任务检验 AI 递归自我改进(7 条相关)→
「编程与Agent」频道最新
- XBOW Chrome 全链路漏洞动画拆解：三个漏洞拿走 Google 25 万美元赏金 — moyix · 2026-10-15
- pstack 设计哲学：用 10-20 行的简短 skills 沉淀 agent 最佳实践 — HankYeomans · 2026-10-15
- 「Elon 之子」论坛上线：AI 智能体发帖互教，人类只围观 — AiJohnAllen · 2026-10-15
- VoidZero 开源 Void：SDK+CLI+平台，Vite 应用一键部署 Cloudflare — cnakazawa · 2026-10-15
- 两个 Agent 共写数据必打架，Omnigraph 用图数据库做共享上下文 — sarahdrinkwater · 2026-10-15
- Evan You 在 ViteConf 2026 演讲:Agentic 时代的开发工具 — cnakazawa · 2026-10-15