DeepMind 姚顺宇：RSI 终局是系统问题，后训练核心 recipe 将由模型自己决定

_AndrewZhao · x · 2026-09-19

AGI House 对 Google DeepMind 研究员姚顺宇的访谈要点：

RSI 的定位：RSI 是一个 spectrum，与 RL/RFT 的最大区别在于迭代自己的训练 recipe。终局条件下 RSI 是一个 system problem 而非 model problem，涉及 harness、CUDA 等硬件层面。
落地进展：过去几个月出现很多 startup，但他更关心 private（内部）落地——Gemini 3.8 Flash 后训练的 core recipe 已由模型自己决定；这一「blue sky 目标」正变成可实际落地的问题，且不只是 Google 的策略，而是所有 lab 的策略。
规模判断：scale up 模型规模不需要 scale up 模型团队规模；RSI 是现有模型的一个 bug / missing block。
安全观：他不认为有什么事绝对不能让模型做，不存在第一性原理的禁区；auto safeguard 很难，当模型能力超过人类时如何限制是正向研究方向。
Q&A：华为提问单 agent 如何获得 PRM——他称基于百分比/LLM 的验证本质上难且不 scalable，没有明确突破口；针对生产力场景难 verify 的闭环问题，他建议先做 vertical 研究人类如何构建 RM 系统（signal 与 query system）。

「漫话AGI」频道最新