搜索
过去两年，AI 领域最激动人心的叙事之一，是让模型自己改进自己：自己生成训练数据、自己改写提示词、自己修复自己的代码。这条路线叫递归自我改进（Recursive Self-Improvement，RSI）。
前些天，号称「实现 AGI」的 GPT-6 Astra 发布后，引发了全网对于递归自我改进架构的热议。
在此背景下，新加坡国立大学、普林斯顿大学与斯坦福、牛津等研究团队合作提出了 Recuris（Recursive Experiential–Working Memory Evolution），作为首个将递归自我改进应用在记忆控制层内的智能体架构，Recuris 通过三项核心技术突破，无需训练即成功实现了从 3B 小模型到 Claude Opus 5 的全面提升。
RSI（Recursive Self-Improvement，递归自我改进）正在成为人工智能领域最受瞩目的前沿方向。
AI领域的造词速度已经到了一个夸张的水平，各种概念眼花缭乱。从龙虾、Agent、循环工程（Loop Engineering），到现在前沿的持续学习和RSI（递归自我改进）。不管是对于初步了解行业还是跟踪AI行业的人，这都是一件比较头疼的事情。
RSI（Recursive Self-Improvement，递归自我改进）是今年 AI 创业里最密集的一个方向。如果说RSI 最严格的定义，只有一句话：AI 改进“制造下一代 AI”的方法，下一代继承了这个改进，于是能做出更好的下下代。
AI实验室Mirendil已与Google Cloud签署一项多年期合作协议，为其自我改进型AI研究获取算力资源。这笔交易折射出当前塑造AI行业格局的两大趋势：云计算巨头正以巨额基础设施承诺争夺初创公司客户，而AI公司则在扩张过程中争相锁定尽可能多的算力协议，以确保资源供给。
MirroS给出了第一个完整回答。他们首创性地提出了Physical RSI——在公开文献中，第一次有人将递归自我改进的逻辑从数字环境系统性地延伸到物理现实，并交付了从概念定义、运行机制到研究路线图的完整框架。（原文见MirroS官方博客：Building Physical RSI Beyond the Known World，公众号「MirroS」亦有中文摘要。）
今天，腾讯正式发布了其首个研究智能体（Research Agent）——Hyra（Hunyuan Research Agent）。Hyra能够像科研人员一样，提出假设、完成实验、总结经验，再基于经验不断提出新的方案，最终实现递归自我改进（Recursive Self-Improvement，RSI）。
同一周，Anthropic联创和DeepMind掌门同时预警！2028年AI递归自我改进概率超60%，2030年AGI或全面降临。100倍于工业革命的冲击波，正全速砸向全人类。