ARTICLE · 1094880
AI 开始改自己的代码,RSI 能让它持续变强吗?
AI 开始改自己的代码,RSI 能让它持续变强吗?连续运行8天，给自己留下7轮有效改进。 这是 Weco AI 团队在9月22日提交的 AIDE² 研究里报告的结果。系统要做研究，还要修改自己的工作程序。修改通过评估，新版本接着干，随后又参与下一轮改进。 这份工作安排挺狠。活儿归它，改进干活的方法也归它。 我把论文的方法和后面的讨论对着看了一遍，觉得 RSI 最有意思的地方就在这里。让 AI 写一段代码，我们已经比较熟悉。现在，它开始参与修改自己用来做事的那套程序。再往前一步，人们想知道，它会不会越改越擅长改？ 论文还没证明最后这一步。研究者没有替实验提前庆功，这点挺好。 
先看看它给自己修了什么 RSI，递归自我改进。名字读起来有点绕，顺着一次工作过程看就容易了。 旧系统提出修改，评估之后留下更好的版本，再由新版本参与下一轮。前一次改动带来的好处，要有机会进入后一次改动的过程。 AIDE² 这次动的是模型外面的代理程序。怎样搜索方案，如何管理上下文，用什么步骤检查结果，都属于它可以调整的部分。底层模型的权重没有因此自动重练一遍。把工作程序改顺和重新训练一个模型，工程量差得很远。 研究团队还给它规定了任务和预算，用没有参与修改过程的保留数据检验结果。得让新版本碰一碰没提前准备过的题，才能看出改动有没有用。 否则，一边改程序，一边只挑自己擅长的题做，成绩当然容易进步。连考试范围都归自己管，自信很难不膨胀。 这类改进也有相当朴素的一面。2025年5月，Sakana AI 与合作研究者介绍的 Darwin Gödel Machine，就让编程代理修改自身代码，保存不同版本，再从这些版本继续探索。它找到过的改法包括改善文件查看方式、增加补丁检查。 文件看不全，先把查看工具修好。补丁容易出错，就加一道检查。把这些具体动作摊开，多少能让人松口气。AI 已经开始琢磨怎么改自己，手头也照样有工具不好用这种烦恼。 我们平时让聊天机器人“再想想”，通常只是在改眼前这份答案。要把它算成系统能力的进步，修改得存下来，换一道题还能发挥作用。聊到半夜，回答越来越长，并不能替代这项检验。聊天记录长胖了，能力有没有增长，得另外称。 
一次修改要进入下一轮，需要先通过评估并保存有效版本。 快了23%，为什么最后只省了1%？ Google DeepMind 在2025年公布 AlphaEvolve 时，给过一组很适合一起读的数字。团队用它优化 Gemini 训练中的一项计算内核，该内核加速23%，对应整体训练时间减少约1%。 23%挺醒目。1%负责把人拉回整项工作。 一项训练还有其他步骤，优化的那一段只占其中一部分。把局部加速直接贴到总用时上，计算器可能同意，实际运行不会同意。这个例子也说明，AI 帮助改进研发，已经能落到具体计算任务上；改进能传到多大范围，要接着往下算。 9月22日，阿里在云栖大会材料里也报告，Qwen3.8-Max 在一个月内完成了33轮迭代。这是公司的公开自述，值得跟踪它究竟改了什么，以及同等条件下结果能否复现。迭代次数像工作记录，有多少轮，和每轮解决了多少问题，最好放在一起看。 再回到 AIDE²。研究者没有止步于“新版做任务更好了”，还做了一项更难的比较，把改进后的代理放到负责改进其他代理的位置上。 这次，现有实验不足以证明它比强基线更擅长这项工作。要进一步确认，又需要花很高的实验成本。 结果挺耐人寻味。系统可以把一些工作做得更好，却还没有拿到足够证据，证明自己因此更会推动下一轮改进。一个程序修得不错，距离以后每次都修得更快、更有效，中间还有实验要做。 这也正是 RSI 最值得继续盯住的问题。省略它，故事很快就能写到 AI 自己造出下一代 AI。保留它，就得老老实实等下一组结果。 
代理做任务更好，是否也更会改进自己，需要分别检验。 AI 负责改，谁来判卷？ 我觉得普通团队现在就能学的一件事，是把“改了”和“改好了”分开记录。 9月更新的一篇 RSI 综述，也把自主执行改进、自主制定策略等能力拆开讨论。自动化可以一点点增加。暂时没能力训练大模型的团队，可以先看自己已有的代理程序，哪一步老是出错，能不能让它提出一个可测试的改法。 这里需要的是固定的测试材料和旧版本。改前跑一次，改后按同样条件再跑，费用与失败情况一起记。新程序如果多用了十倍算力，结果只好了一点，就得讨论这笔交换值不值。 失败记录尤其别删。只留下最后一次成功，下次系统可能又满怀信心地把旧错误试一遍。它没有不好意思，我们倒得再付一次钱。 评估标准也得有人维护。代码通过了测试，说明它通过了这批测试。测试没有覆盖的行为，仍然需要检查。涉及真实账户和生产系统的修改，可以先在隔离环境里跑，别让一个研究实验顺便参与公司当天的经营。 所以下一篇 RSI 论文出来，我会先翻实验部分。用了什么条件，换题以后还能不能进步，尤其是把改好的系统放回改进过程，它有没有做得更有效。 至于“AI 已经学会自己进化”这种大结论，先让它交作业。作业里最好也附上电费。 主要资料 AIDE² 研究论文与实验 · DGM 项目说明 · AlphaEvolve 研究介绍 · 阿里云栖大会材料 · RSI 综述 事实依据截至2026年9月28日核对的材料，较早研究用于解释技术背景。