RSI-Exam 开放社区共建，测 Agent 递归自我改进
yuyinzhou_cs · x · 2026-08-28
RSI-Exam 是一个新的基准测试，旨在衡量 AI 代理的递归自我改进能力，即通过自主、长周期的实验来改进现有方法，并验证改进能否泛化到隐藏数据。
核心发现：
- 涵盖 6 个领域、88 个可执行研究任务。
- Claude 和 GPT 处于第一梯队，明显领先其他模型。
- 代理轨迹揭示了成功发现更好方法与失败的差异。
社区贡献方式：
- 研究任务设计：创建具有挑战性的可执行研究环境。
- 评审：评估任务设计、方法和指标。
- 轨迹审计：深入分析代理轨迹以验证评分真实性。
下次贡献截止日期为 2026 年 9 月 15 日。
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)→
「研究」频道最新
- DeepPhylo 用深度学习推断系统发育树，摆脱恒定突变率等强假设 — anshulkundaje · 2026-10-15
- Wander 预印本提出图基础模型:随机游走接口统一图预测任务 — mmbronstein · 2026-10-15
- CHI 审稿人观察:AI 垃圾论文泛滥,但好研究依然在出现 — IanArawjo · 2026-10-15
- CMU 基准测试:135 篇 AI 代理科研论文 114 篇未过诚信审查 — arankomatsuzaki · 2026-10-15
- 让 AI 真正从经验中学习:资深从业者给出 8 条不可妥协原则 — tokenbender · 2026-10-15
- Benchling 发布 Science Foundries：智能体蜂群重塑科研工作流 — nlarusstone · 2026-10-15