Vals AI 推出 RSI 指数:实测模型能否自主完成下一代模型的研发
test_tm7873 · x · 2026-10-29
评测机构 Vals AI 上线「Vals RSI Index」专有基准,回答一个问题:模型能否做出能构建下一代模型的研究(递归自我改进,RSI)。
- 测什么:把 RSI 拆成训练全流程的自主研究任务——架构、算法、数据获取与筛选、评测设计、系统工程,每题在固定算力与时间预算下让模型自主研究并提交一个产物评分。
- 怎么跑:各家模型用自家现成 agent 工具运行(Claude/GLM 用 Claude Code,GPT 用 Codex,Gemini 用 Antigravity,Kimi 用 Kimi Code 等),开最高推理档,循环跑到时间预算耗尽。
- 参照系:成绩对照已发表文献、人类研究者与前沿模型输出。
这一基准把「AI 何时能自主研发后继模型」从哲学讨论变成了可量化追踪的排行榜,值得持续关注更新。
「研究」频道最新
- UC Berkeley 提出多裁判集成 RaRE,让 LLM 评分更稳地驱动 RL 训练 — YutongBAI1002 · 2026-10-29
- 9 个前沿 AI 智能体实时预测 2026 美国中期选举，GPT 6.1 独押民主党 — goyal__pramod · 2026-10-29
- 3DV2027 审稿结果今日发出，作者 rebuttal 期限延至 11 月 2 日 — CSProfKGD · 2026-10-29
- Samaya 发布 3B 金融模型 Sterling，成本仅 11 分之 1 胜 Claude — simonguozirui · 2026-10-29
- 论文式讨论：语言模型批评者会不会变成确定性鹦鹉 — IgorBrigadir · 2026-10-29
- 用 Factorio 任务训练小型开源模型,验证 RTS 游戏能否提升通用能力 — rmcwhorter99 · 2026-10-29