RSI-Exam 基准发布：88 项任务测智能体递归自我改进
yuyinzhou_cs · x · 2026-08-27
随着前沿模型能力月月攀升，递归自我改进（RSI）被广泛讨论，但如何量化这一进展？研究者推出 RSI-Exam 基准：包含横跨 6 大领域（AI 模型与智能体、虚拟细胞、TPU 内核、芯片设计、量化金融、模型蒸馏等）的 88 个可执行研究任务，测试智能体能否通过长时程自主实验改进一个已有的方法，并泛化到隐藏测试集。
协议核心：智能体继承一个可用方法，在可见数据上迭代数小时；最终产物在全新容器中对隐藏数据集做一次性评测。
结果：Claude 与 GPT 组成第一梯队，明显领先其余模型（Opus 5 以隐藏集平均分居首），但整体仍有巨大提升空间。轨迹分析揭示两种命运：有的智能体发现本质更优的方法，有的则在错误方向上 rigorously 优化数小时。基准已开放各领域任务贡献。
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)→
「模型」频道最新
- Nat Lambert 爆料：Nvidia、HuggingFace 预告近期密集发布 — natolambert · 2026-10-15
- 马斯克转发用户实测：Grok Bot 不比 Codex 强但更顺手 — elonmusk · 2026-10-15
- 爆料称 Anthropic 新模型将发布,疑似已挖出十余个 Chrome 高危漏洞 — matthew_d_green · 2026-10-15
- StartLux-Decision 发布:RL 训练的校准决策模型,27B 得分 72.8 — startlux-models · 2026-10-15
- Meta Muse Code 用量遭吐槽：5 小时额度仅剩 21% — ThomasScialom · 2026-10-15
- Claude Code 报错截图现「Fable 5.1」与「Opus 5」字样,疑为新模型露出 — adonis_singh · 2026-10-15