ARTICLE · 1317559
AI自己造AI?RSI三条路线拆解:一条已能跑通,一条仍是纸面
AI自己造AI?RSI三条路线拆解:一条已能跑通,一条仍是纸面
11月2日，TechCrunch报道，Anthropic在S-1文件中说公司「可能即将达到」其负责任扩展政策（RSP）里「急剧加速」的定义——很多人把它直接读成「AI自己造AI」即将成真。但同一份披露还有两句：目前没有任何模型越过这条阈值；公司承诺在可预见的未来让人类留在研发流程里。三句放在一起，才是这类新闻的完整版本：能力演示很近，可信的自主改进还很远。 递归自我改进（RSI）听起来玄，机制可以一句话说清：改进的信号从哪里来、由谁验证。按这个标准，公开可查的路线有三条，成熟度差得很远。 模型自己不会变强，但围绕模型的那套「工装」——提示、工具、流程、验收标准——可以被反复改。这套外层系统业内叫 harness（可以理解为给模型套上的执行环境）。Lilian Weng 在7月的综述里写得很直接：近期的RSI路径不太可能从模型直接改写自己的权重开始。证据也确实出在这一层：论文 Harness2 在三个专业基准、四种「模型+harness」组合上做了对照，只走一步递归改进，GLM-5 和 Gemini 3.5 Flash 就稳定超过各自的原始配置，WorkBuddy-Bench 最高涨11.5分，JobBench 涨4.5分，LAB 涨11.8个百分点；递归步数预算加大，收益还在增加。 代价同样清楚。改进循环优化的是它拿到的信号：信号是单元测试，就可能过拟合测试；是裁判模型，就可能学会对付这个裁判；是跑分，就可能利用榜单漏洞——这就是常说的「刷分作弊」（reward hacking）。Harness2 自己也承认，开放世界任务在设计阶段没见过、测试时没有可依赖的标准答案来引导修改，而且改出来的东西高度绑定具体任务，换个场景就失灵。所以这条路线的准确定位是：能在受控基准上跑通，离通用的自我进化还有距离。 真正意义上的「模型重写自己」需要可靠的自我奖励信号——它得知道自己改对了。公开领域目前没有可复现的成功案例，这也是不给它任何时间表的原因。已有的反例反而说明门槛有多高：STOP这类递归改进机制在 GPT-4 上让下游表现逐轮提升，在 GPT-3.5 和 Mixtral 上却退化——递归结构本身不够，基座模型必须先有能力改进机制。 第三条路把改进从软件层搬进硬件层：用AI设计芯片，再让新芯片加速AI。Ricursive 公司刚发布的 Ripple-65B Preview，自称是「在模型与驱动它的硬件之间开始闭环」的第一步。方向真实，但闭环刚开始，谈收益还太早。 
三条RSI路线的成熟度对比：harness已跑通、权重级仍是纸面、芯片协同刚起步 看两组数字比看口号可靠。Anthropic 自己的调查显示，91%的内部员工预计AI能在2030年前做出诺奖级发现，美国公众里这个比例是39%——52个百分点的预期差，说明「圈内人觉得快、公众还没感觉」本身就是常态；这是自报调查，不能当预测验证。商业上则是另一重错配：五大云厂商2026年资本开支指引合计约7200亿至7450亿美元，而OpenAI、Anthropic等模型厂商的收入还是百亿美元级。 
口号之外两组数字：91%对39%的预期差，与资本开支和模型收入的体量错配 所以下次再看到「AI自己造AI」的标题，可以先问三个问题：改进信号来自哪里？谁在验证它改对了？有没有越过这家公司自己设的阈值？按这三问过一遍：harness路线已经跑出可复现的分数，权重级路线还停在纸面，芯片闭环刚起步；而一边喊AGI、一边在招股书里写保留人类监督，并不矛盾——那正是当前真实进度的写法。 #WorkBuddy #harness2 #RSI递归自我改进#Harness工程#AGI时间表#AI资本开支#AI安全与监督
路线一：不改模型，改它外面那套系统
路线二：让模型改自己的权重，仍是纸面
路线三：芯片与算法互改，刚起步
那AGI到底邻不临近？
