ARTICLE · 1147532
AI答对了,就算学会了吗?用8个动物故事,读懂递归自我改进(RSI)
AI答对了,就算学会了吗?用8个动物故事,读懂递归自我改进(RSI)昨天刚提醒过的错误，今天又犯了。 这大概是我们使用AI时，最容易感到困惑的时刻：上一轮已经指出问题，AI也给出了正确答案。换一个任务，或者换一种问法，同样的遗漏却又出现了。 当场答对，和把经验留到下一次，是两件需要分别检查的事。 围绕这个问题，九证AI制作了一套8集手绘动画，带你理解递归自我改进（Recursive Self-Improvement，RSI）。 故事发生在一座森林任务站。小兔负责处理订单，狐狸带来客户需求，猫头鹰检查结果，大象设定目标和权限。到了最后，象龟带着封存的新任务，来做独立验收。 从一个漏装叶子的包裹开始，我们把“AI怎样改进自己”拆成了8个可以看见、可以追问的问题。 （下面8集可以直接点开观看） 第一张订单很简单：胡萝卜和叶子，各装一份。 小兔只看了第一行，装好胡萝卜就急着交付。狐狸拆箱，发现少了一件。猫头鹰提醒之后，小兔补齐了叶子，这一次终于通过。 但第二天，订单换了排列，小兔又漏了一项。 直到它把“读完全部要求，再逐项核对”写进方法本，在下一张订单到来时主动取出、照着执行，故事才走到更有意义的一步。 改了什么？留下了什么？下一次有没有真正用上？ 这三个问题，也贯穿了整套系列。 接下来，小兔会遇到越来越复杂的任务：折页里藏着要求，练习题彼此矛盾，雨天订单多了防潮条件，寻找改法的过程又开始重复浪费材料。 每一集，都让一次尝试经历碰壁、检查和后续使用。 第1集《一次答对，还不够》：今天补齐了包裹，明天还会漏吗？看看一次提醒，怎样变成能再次调用的方法。 第2集《谁来执行升级？》：大象给出升级清单，小兔负责执行。谁决定改法，谁负责做，谁来检查，需要说清楚。 第3集《谁来选择改法？》：放大字号、装红灯、展开折页，改法很多。选择应当跟着失败原因和检查结果走。 第4集《谁来准备练习？》：通过章攒了一桌，陌生订单仍然卡住。下一轮练什么，要依据当前表现调整；练习题也要先确认有效。 第5集《上线以后怎么学？》：雨天反馈推动经验更新。但一次临时要求，不能直接变成所有订单的永久规则，经验要带着适用条件。 第6集《改进方法也能改吗？》：小兔开始修改寻找改法的流程，并让新版流程指导下一轮升级。改进机制被沿用后，还要继续检查它的效果。 第7集《哪些现场更容易验证？》：走到软件、搬运、科研和医疗资料现场，同一个“通过”需要不同的证据，验证办法要随现场交代清楚。 第8集《怎么知道真变好了？》：象龟打开封存箱，把新任务、旧能力、时间、材料和回退记录一起摆上验收桌。漂亮的展示板，还需要完整证据来支持。 看完这8集，你会发现，判断AI有没有进步，值得把注意力放到后续任务中。 一次经验可能确实有用，却没有被检索出来；也可能被调用了，却用错了场景。新流程可能解决了新问题，同时损害了旧能力。一次看起来不错的升级，也可能消耗了大量时间和资源。 因此，把一个更新留下来，只是检查的开始。 我们还要追问： 下一次有没有用？ 以前会的还会吗？ 花了多少代价？ 出了问题，能不能停下来？ 对于正在使用AI、设计智能体，或者推动AI应用落地的人，这些问题也可以作为观察和讨论的起点：让保留的经验、实际的调用和后续的结果能够相互对应。 这套动画依据论文《The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement》的概念主线创作。森林任务站、动物角色、订单和演示结果均为原创教学比喻，不是论文实验数据。自主权扩大，也不意味着效果必然更好。 你可以从第1集开始，顺着一张包裹订单，看完这条逐步展开的改进之路。 也欢迎在留言区聊聊：你使用AI时，遇到过哪些“刚改好，下次又犯”的问题？ 九证AI · 论文通俗讲解 把机制讲清楚，让进步留下证据。 论文原文：https://arxiv.org/html/2609.11873v3