Turing Post 长文拆解：AI 改进 AI 为何大多不是真递归自我改进
TheTuringPost · x · 2026-09-19
Turing Post 发布关于递归自我改进（RSI）的解析：并非所有 AI 改进 AI 的案例都真正递归——如果模型改代码、人类负责测试，循环在重复但循环本身不变。真正的递归出现在循环中越来越多环节变得可被 AI 编辑。
要点：
- 第一层是 AI 改进模型或算法：修改代码、kernel 或训练方法，文中提到 AI4AI-Bench 中 agent 的相关实验
- 其姐妹篇《The Missing Pieces in Recursive Self-Improvement》指出：更多经验、人类引导和 8 倍算力都没能让 agent 重新审视策略，并分析了 Metan 与 Recuris 两家公司的不同做法及各自的局限
- 另有测试时训练（Test-Time Training）指南，探讨模型如何在推理时持续学习
整体是一份面向工程师与研究者的 RSI 概念科普与现状盘点。
所属事件:Turing Post 拆解递归自我改进：多数 AI 改进 AI 并非真 RSI(2 条相关)→
「漫话AGI」频道最新
- Gemini 几乎自主完成「血染钟楼」社交推理 benchmark 实验 — eliebakouch · 2026-11-12
- Pedro Domingos 调侃「Dario 定律」：所需算力也在指数增长 — pmddomingos · 2026-11-12
- AI agent 用得越多，瓶颈越是你自己：人类信息处理仅 10 bits/s — soumitrashukla9 · 2026-11-12
- Matt Pocock:能把业务讲清楚,AI 时代你就完成了半套自动化软件 — mattpocockuk · 2026-11-12
- 研究者提议:AI 进展评估应报告效率增益指标,而非只看最终跑分 — eliebakouch · 2026-11-12
- Bittensor 子网 NOVA 用「先做出药物资产」证明 AI 制药平台实力 — markjeffrey · 2026-11-12