AI开始改进“改进自己的方法”，RSI进入平方时代丨MetaRSI

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> AI开始改进“改进自己的方法”，RSI进入平方时代丨MetaRSI 思邈 2026-09-14 11:45:46 来源： 量子位 允中 发自 凹非寺 量子位 | 公众号 QbitAI 让模型自己生成训练数据、自己改写提示词、自己修复代码，这条路线被称为： 递归自我改进（Recursive Self-Improvement，RSI） 。 但几乎所有RSI系统都是同一套结构：一个固定不变的改进程序，反复作用于模型。并往往只从Harness、Data或Model RSI的单一视角切入。 为了回应这一难题，CosmosMind联合斯坦福、伯克利、MIT、清华、北大等十余家海内外高校发布MetaRSI-v1。 这是 全球首个统一Model-RSI、Data-RSI、Harness-RSI的元递归架构 ，能够改进“自我改进的过程”。 RSI由此进入“平方时代”。 △论文首页 在没有任何外部教师模型参与下 ，MetaRSI-v1使得一个仅30亿激活参数的小模型， 在四项基准上平均自我提升10.9分 ；并且让GPT-5.6、Claude Opus 5等六款前沿旗舰模型， 平均提升7.3分 。 更重要的是数字背后， MetaRSI-v1是一套试图 统一整个RSI领域的架构语言 ：包括一个内核、两条编排轴、三个算子、整个元RSI层，以及五大定律。 △MetaRSI-v1概览 首次被统一的Loop Kernel范式 Loop Kernel是MetaRSI-v1首次提出的自我改进统一形式。 它第一次把“进步如何发生”抽象成一条与对象无关的闭环：消费反馈得到的学习信号，在Data、Harness、Model上提出改动，交由验证器裁决，并将结果回流为下一轮信号。 Data、Harness、Model从此开始能够被统一成同一Kernel的不同实例化算子 ，可组合、可统一调度，自我改进由此第一次拥有了统一、可复用的底层骨架。 △Loop Kernel范式 改进空间：Data-RSI、Harness-RSI、Model-RSI 沿用同一个Loop Kernel，自我改进在三个空间上展开，分别由Data-RSI、Harness-RSI、Model-RSI三个算子承担并协同完成。 Data-RSI ：从自身运行轨迹提取学习信号，经校验用于合成数据交由下游消费，标定并放大模型正向能力与负向能力边界。 Harness-RSI ：利用学习反馈信号，在Harness拆分出的System Prompt、Skill、MCP、Tools、Memory五个可插拔槽位上生成改进，做加法与减法。 Model-RSI ：更新模型自身的参数与结构，把反复验证有效的行为内化进模型。 纵横之间：让改进自己找到最优路径 横轴（horizontal orchestration）编排算子的应用顺序 ：RSI² Agent在每个决策点根据信号反馈选定下一个算子，再把该算子有机衔接编排送入RSI Loop Kernel执行。 纵轴（vertical optimization）优化算子的内部策略 ：RSI² Agent向目标算子专属的RSI² Sub-Agent下发指令，后者根据学习信号与环境反馈等改写算子本身的RSI规则，优化RSI系统本身。 递归之上的递归：三层改进与“元层”的诞生 整套架构由四个Agent协调运作，并且均能被人类专家局部替换形成human-in-the-loop系统。 MetaRSI² Agent ：学习如何进行合适的纵横优化，优化 RSI² Agent 的策略学习。 RSI² Agent ：在每个决策点选择进行横轴（指定下一个算子）或纵轴（向Sub-Agent下发策略改写指令）优化。 RSI² Sub-Agent ：在纵向优化中，接受来自 RSI² Agent的 执行指令，对算子内部的RSI策略进行调整。 Transition Agent：负责衔接横向编排中上游算子的产物与下一个算子对产物的消费。 四个Agent对应形成三个RSI优化Level：算子改进目标系统，双轴编排改进算子用法，元层改进双轴编排策略本身。 实验：小模型与前沿模型均实现自我进化 实验沿两条路线展开： 小模型路线 使用可训练的开源模型，Data、Harness、Model三个算子全部启用； 前沿模型路线 面向Claude Opus 5，GPT-5.6 sol，Kimi K3等顶级模型，这类模型参数巨大或为闭源模型，仅启用Data与Harness算子。 路线一：小模型的自我改进 目标模型为Qwen3.5-35B-A3B（35B总参、3B激活），在Terminal-Bench 2.1、SWE-bench Pro、GPQA-Diamond高难度子集、AIME四项基准上评测。 △MetaRSI让Qwen3.5-35B-A3B实现自进化 MetaRSI-v1平均提升10.9分，SWE-bench Pro 解决率接近翻倍 ，Meta层为RSI带来更高的天花板， 连续自进化的累计增益提升显著 。 △“改进改进者”，MetaRSI让小模型累计自进化增益扩大 路线二：前沿模型的自我改进 多款前沿模型在Terminal-Bench 2.1上平均提升7.3分，说明MetaRSI范式对前沿模型同样成立， 旗舰模型同样留有可观的自我改进空间 。 △六款前沿模型的自我改进 五条定律：为“机器如何进步”立法 MetaRSI梳理出 两条互补的改进路线 ：Harness-RSI保持权重不变，让自我改进覆盖任何可通过接口调用的模型；Model-RSI通过训练把能力内化进模型。 且MetaRSI首次重新定义了Data-RSI，作为模型的能力边界探测与放大器，通过对执行轨迹与外界反馈learning-signal的联合分析得到经过验证的经验并scale为可复用的数据，并标定这些经验能够支撑到哪里，框定模型能力的正、负边界。 Data-RSI的产物同时供给Harness-RSI与Model-RSI消费，两条路线的改动结果又能够流回Data-RSI，重新标定能力边界、驱动下一轮，能力由此逐轮披露、累积。 在这一过程中，Harness不仅能做加法还能做减法：Data-RSI放大暴露的问题经Model-RSI内化之后，原本吸纳在Harness中的知识会变成冗余，Harness-RSI系统在回放校验下将其删除，能力留下，成本退场。 在此之上，MetaRSI提炼出五条定律。 定律一：验证决定自我改进的前沿。 一个领域能不能形成自改进闭环，取决于该领域任务能否被检验，是否有合适的verifier。 定律二：自我认知会过期，重新发现能力边界是速率瓶颈，RSI改变agent能力，其原本旧的系统描述随即失效。 定律三：能力与载体无关但成本与载体有关。 例如同一项能力放在Harness里每次推理都要重付成本，内化进Model只需付一次，成熟循环能够持续把能力迁移到更便宜的载体。 定律四：可信度由不可写面度量