RSI成AI新焦点：像AGI一样难定义，却引无数研究者追逐

RSI：AI领域的“新热词”与模糊边界

“递归”一词正成为AI圈的新 buzzword。已有两家初创公司以“递归”命名，更多企业在其路线图中提及递归自我改进（RSI）。如同之前的通用人工智能（AGI），RSI已成为一个三字母的代名词，指向AI的指数级爆发——尽管人们对它的确切定义仍存在分歧。

RSI的核心内涵：AI的自我进化闭环

从基本概念看，RSI指的是能够持续升级的AI系统。当AI系统能够比人类更好地管理升级周期时，这一过程可能形成闭环，仅受其可访问算力限制，人类将不再必要甚至无益。无论令人恐惧与否，这都是许多AI实验室急于追逐的愿景。

研究者们的实践路径

Richard Socher的Recursive Superintelligence：本月，知名AI研究员Richard Socher推出了以RSI为明确目标的“递归超智能”。他在接受采访时表示：“我们的核心目标是构建真正递归、自我改进的超智能，意味着从创意、实施到研究验证的全过程将自动化。”
Andrej Karpathy的Auto-Research：特斯拉与OpenAI传奇人物Andrej Karpathy正通过智能体集群训练大语言模型，开展名为Auto-Research的项目。他通过推特定期更新里程碑，并在GitHub公开构建模块。尽管目前主要是在GPT-2规模模型上做小幅改进，但已吸引大量研究者追随RSI梦想。随着他加入Anthropic的预训练团队，这一想法有望在更大规模上实践。
Adaption的AutoScientist：由Cohere和Google校友Sara Hooker创立的Adaption最近推出了AutoScientist，旨在自动化前沿训练。该系统训练智能体进行渐进式改进，目标是简化全规模前沿模型的训练。若这些研究者推动前沿突破，系统可能迅速演变为RSI。
Doris Xin的智能体竞赛成果：Disarray创始人Doris Xin的自训练机器学习智能体在Kaggle竞赛中斩获28枚奖牌，击败众多人类训练的智能体。她认为主要挑战是可靠性：“若拥有无限算力和时间，我们已接近目标。这不是创造性工作，而是大量基础工程。”

现实与理想的距离

尽管研究者们热情高涨，但AI行业离实现有意义的递归系统仍有距离，且仍在与公众沟通进展。Google CEO Sundar Pichai在近期播客中坦言：“这是一个连续的过程，我们确实在进步。但人们描述的RSI代表下一级加速，影响深远，我们尚未达到。”

不过，这一“连续过程”已包含大量自我改进的AI系统。今年1月，Anthropic的Claude Code首席程序员估计，团队近100%的代码由该工具编写，坦承Claude Code正在“自我编写”。尽管AI工具的使用不代表能替代工程师，但Anthropic正接近这一目标。在Mythos预览相关的调查中，18名工程师中有5人认为，通过改进 harness，Mythos可很快替代L4工程师（无需监督即可承担复杂项目的中级程序员）。

关注微信号：智享开源 ，及时了解更新信息。

原文链接：https://techcrunch.com/2026/05/28/rsi-is-the-new-agi-and-its-just-as-hard-to-pin-down/