AI能自己变强吗?这篇论文给自我进化浇了一盆冷水

"AI 能自己进化变强吗？"

这个问题最近被问得越来越多。从 GPT 到 Claude，从 Qwen 到 Gemini，模型能力似乎每个月都在刷新上限。于是一个想法顺理成章：既然 AI 已经这么聪明了，它能不能自己教自己，不需要人类插手就变得更强？

听上去很合理。毕竟人类就是这么学习的——你说"我想成为更好的程序员"，不会有人把每天学什么、做什么题、怎么检验进步全都给你安排好。你得自己找方向、找材料、检验成果。

但如果把同样的问题丢给 AI 呢？只告诉它"提升数学推理能力"，不给具体题库、不给评分标准、甚至不让它看到考试题，它能自己变强吗？

字节跳动 Seed 团队刚刚发表的一篇论文，把这个问题推向了实验台。

01

先搞清楚一个概念

先别急着谈"自我进化"。目前 AI 领域所说的自进化，和你想象的可能不太一样。

现有的自进化研究，本质上是这样的：人类先给定一个明确的任务和评分标准，然后让 AI 自己去收集数据、跑训练、调策略。比如"提高 AIME 数学竞赛题的正确率"，任务形式、难度范围、评分规则全都是人类定义好的。

这更像是"给了标准答案，让 AI 自己刷题"，而不是真正意义上的自主学习。

这篇论文提出了一个更难的设定——模糊目标驱动的自进化（Vague-Goal-Driven Self-Evolution）。

什么是"模糊目标"？   只给一句自然语言描述的能力方向，比如"提升数学推理能力"或者"成为更好的研究员"。下游评测任务、评分方式、题目内容——全部对智能体隐藏。它必须自己决定：学什么、怎么学、学到什么程度算好。

这才是更接近人类学习的模式。你说"我想学好物理"，不会有一份标准答案等着你。你要自己找教材、做题、判断自己有没有进步。

为了测试这个能力，研究团队做了一个叫 Aspire 的基准测试。

02

Aspire 是怎么测的

Aspire 的设计思路很直接：把智能体放进一个"黑箱环境"里，只给它一个目标，然后观察它能不能自己摸索出一条变强的路。

具体来说，它有几个关键设计：

1六个模糊目标：覆盖知识扩展和能力强化两大类，比如"提升数学推理""提升代码生成质量"等

2隐藏评测集：520 道专家编写的测试题，智能体永远看不到题目和答案，只能偶尔拿到一个模糊的总分反馈

3两个进化层面：既可以改模型权重（练内功），也可以改智能体的工具链和工作流（练招式）

4有限查询次数：智能体不能反复刷评测分数来"刷题"，反馈是稀缺资源

智能体能做什么呢？它可以搜索和下载数据集、自己生成训练数据、启动各种训练任务、自己做评测、管理不同版本的候选模型——但最终有没有变强，只有隐藏评测集说了算。

打个比方：这就像一个学生准备高考，但他既看不到考试大纲，也看不到历年真题。他只能靠自己判断该学什么、怎么学，偶尔能拿到一次模考的总分。最后高考成绩出来，才知道自己到底学成什么样。

03

结果比预想的更残酷

好了，现在到了最关键的部分：智能体到底能不能靠模糊目标自己变强？

直接看结果。研究团队测试了 5 种不同的决策代理配置，在 6 个能力目标上进行实验，一共 30 组。结果用一张漏斗图就能说清：

30 组实验里，28 组都成功产出了训练后的检查点——也就是说，智能体很擅长"完成训练这件事"。它会自己找数据、自己跑训练、自己产出新版本。

但继续往下就不好看了。28 个检查点里，只有 2 个在隐藏评测集上超过了原始基线模型。而这 2 个里面，又只有 1 个通过了更严格的"留存检验"——意思是继续训练之后，这个进步还能保住不被洗掉。

30 组实验，只有 1 组实现了真正的、可留存的能力增益。

为什么差距这么大？研究团队发现了几个典型的失败模式。

失败模式一：学的东西和目标不对口

智能体自己选的训练数据，和真正的评测目标经常不匹配。比如目标是"提升数学推理"，它可能跑去刷一大堆简单算术题。自己测自己的时候分数涨得很快，但一上真正的考题就露馅了。

这叫代理任务错配——你以为你在练目标能力，其实你练的只是你自己编的那个代理任务的能力。

失败模式二：越训练反而越倒退

更反直觉的是，有些检查点在训练过程中看起来在进步，但实际上只是在从"训练导致的退化"中慢慢恢复回来。

什么意思呢？训练本身可能先把模型搞伤了——比如用数字标签做监督微调，模型会出现"答案格式崩溃"，只会输出数字，不会正常回答了。后面看起来分数在涨，其实只是在恢复正常，而不是真的变强了。

失败模式三：自我评价不可靠

智能体太相信自己给自己打的分了。它在自己构造的验证集上看到进步，就以为自己真的进步了。但那个验证集本身就很窄、很偏，进步无法迁移到真正的评测上。

用一句话总结：能跑完训练循环，不等于能力真的提升了。

04

模糊目标改变了什么

除了最终结果，还有一个很有意思的对比：当目标从"明确任务"变成"模糊目标"时，智能体的行为模式发生了什么变化？

在相同的算力预算下，模糊目标模式中的智能体：

· 决策思考时间增加了 35%

· GPU 空闲等待时间增加了 37%

· 真正用于训练和评测的时间减少了 76%

简单说就是：想得更多，干得更少。

这其实很像人类学习的体验——当目标不明确的时候，你会花很多时间纠结"我到底该学什么"，而不是直接开干。这种纠结是必要的，但纠结本身不代表选对了方向。

05

这只是第一道关

Aspire 这篇论文，其实是一个更大研究计划的一部分。这个计划叫"自发展智能体"（Self-Developing Agents），目标是搞清楚真正的闭环自我改进到底难在哪里。

他们把自我改进拆成了三个问题，对应三个基准测试：

第一关：目标（Aspire）—— 该学什么？   给一个模糊目标，智能体能不能自己找准方向？刚才说了，30 组实验只有 1 组成功。这道关就已经很难了。

第二关：经验（S³Gym）—— 能从经验中学习吗？   就算方向对了，智能体能不能从自己的经验里提炼出有用的东西，让下一次决策更好？初步结果也不乐观：自我判断几乎预测不了下一次的进步，不同环境下最优的记忆方法还不一样。

第三关：系统（HarnessDev）—— 改进能持久吗？   就算前两关都过了，改进能不能固化到系统里、在新任务上也管用？答案是：看得见的进步经常在隐藏测试集上站不住脚，64 次版本切换里，可见分数和隐藏分数方向一致的只有 34 次。

三道关卡，关关难过。现在的 AI 自进化，说难听点，连第一道门都还没迈过去。

06

这意味着什么

看到这里你可能会想：说了半天，AI 自进化不就是不行嘛。

也不能这么说。这篇论文的价值不在于"证明不行"，而在于——

它第一次把"AI 能不能自己变强"这个模糊的担忧，变成了可以量化、可以重复、可以逐步推进的科学问题。

以前讨论自进化，大家容易走极端——要么觉得"奇点马上到了 AI 要爆炸式自我提升"，要么觉得"都是噱头不可能"。但 Aspire 告诉我们：事情没那么简单，也没那么容易。

自进化不是一个非黑即白的开关。它是一条长长的路，路上有很多道关卡。每一关都有自己的失败模式、自己的开放问题。现在我们才刚走到第一关门口，看到了门有多厚。

那短期内有什么实际意义呢？

· 对做模型的人来说：别光看自训练过程中分数涨了多少，要用独立的、隐藏的评测集来检验是不是真进步

· 对做应用的人来说：所谓"AI 自己迭代优化"目前还很早期，别被营销话术忽悠了

· 对关心 AI 安全的人来说：递归自我改进（RSI）的风险短期内可能还不是最紧迫的问题，因为第一关都还没过

✦

最后说一句。

这篇论文最让我有感触的，不是 AI 行不行，而是它让我看到人类学习有多了不起。

你想啊，我们每个人都是从一个模糊的目标出发——"我想学好英语""我想成为更好的设计师""我想搞懂这个领域"——没有人给我们明确的题库和评分标准，但我们就是能慢慢摸索出方向、找到方法、确认真进步。

一句话总结：   AI 的"自我进化"目前还处在"能跑完流程但不一定真变强"的阶段。真正的自主学习——从模糊目标出发、自己找方向、自己验进步——人类做得比 AI 好得多。这不是坏事，这恰恰说明我们还有很长的路可以走。

📝 论文信息：   标题：Aspire: Can Models Self-Evolve from Vague Goals?   作者：Yuhao Wu, Jingyuan Zhang, Jiajun Shi 等（ByteDance Seed, SUTD, M-A-P, TokenWave.AI）   发表：arXiv:2608.31111，2026 年 8 月 31 日提交   项目主页：self-developing-agents.github.io

⚠️ 本文为预印本论文解读，论文尚未经过同行评审，结论仅供参考。AI 领域进展迅速，部分结论可能随后续研究更新。