讓模型自己生成訓練資料、自己改寫提示詞、自己修復程式碼，這條路線被稱為：

遞迴自我改進（Recursive Self-Improvement，RSI）。

但幾乎所有RSI系統都是同一套結構：一個固定不變的改處理程序序，反覆作用於模型。並往往只從Harness、Data或Model RSI的單一視角切入。

為了回應這一難題，CosmosMind聯合史丹佛、伯克利、MIT、清華、北大等十余家海內外高校發佈MetaRSI-v1。

這是全球首個統一Model-RSI、Data-RSI、Harness-RSI的元遞迴架構，能夠改進“自我改進的過程”。

在沒有任何外部教師模型參與下，MetaRSI-v1使得一個僅30億啟動參數的小模型，在四項基準上平均自我提升10.9分；並且讓GPT-5.6、Claude Opus 5等六款前沿旗艦模型，平均提升7.3分。

更重要的是數字背後， MetaRSI-v1是一套試圖統一整個RSI領域的架構語言：包括一個核心、兩條編排軸、三個算子、整個元RSI層，以及五大定律。

Loop Kernel是MetaRSI-v1首次提出的自我改進統一形式。

它第一次把“進步如何發生”抽象成一條與對象無關的閉環：消費反饋得到的學習訊號，在Data、Harness、Model上提出改動，交由驗證器裁決，並將結果回流為下一輪訊號。

Data、Harness、Model從此開始能夠被統一成同一Kernel的不同實例化算子，可組合、可統一調度，自我改進由此第一次擁有了統一、可復用的底層骨架。

改進空間：Data-RSI、Harness-RSI、Model-RSI

沿用同一個Loop Kernel，自我改進在三個空間上展開，分別由Data-RSI、Harness-RSI、Model-RSI三個算子承擔並協同完成。

Data-RSI：從自身運行軌跡提取學習訊號，經校驗用於合成資料交由下游消費，標定並放大模型正向能力與負向能力邊界。

Harness-RSI：利用學習反饋訊號，在Harness拆分出的System Prompt、Skill、MCP、Tools、Memory五個可插拔槽位上生成改進，做加法與減法。

Model-RSI：更新模型自身的參數與結構，把反覆驗證有效的行為內化進模型。

縱橫之間：讓改進自己找到最優路徑

橫軸（horizontal orchestration）編排算子的應用順序：RSI² Agent在每個決策點根據訊號反饋選定下一個算子，再把該算子有機銜接編排送入RSI Loop Kernel執行。

縱軸（vertical optimization）最佳化算子的內部策略：RSI² Agent向目標算子專屬的RSI² Sub-Agent下發指令，後者根據學習訊號與環境反饋等改寫算子本身的RSI規則，最佳化RSI系統本身。

遞迴之上的遞迴：三層改進與“元層”的誕生

整套架構由四個Agent協調運作，並且均能被人類專家局部替換形成human-in-the-loop系統。

MetaRSI² Agent：學習如何進行合適的縱橫最佳化，最佳化RSI² Agent的策略學習。

RSI² Agent：在每個決策點選擇進行橫軸（指定下一個算子）或縱軸（向Sub-Agent下發策略改寫指令）最佳化。

RSI² Sub-Agent：在縱向最佳化中，接受來自RSI² Agent的執行指令，對算子內部的RSI策略進行調整。

Transition Agent：負責銜接橫向編排中上游算子的產物與下一個算子對產物的消費。

四個Agent對應形成三個RSI最佳化Level：算子改進目標系統，雙軸編排改進算子用法，元層改進雙軸編排策略本身。

實驗：小模型與前沿模型均實現自我進化

小模型路線使用可訓練的開源模型，Data、Harness、Model三個算子全部啟用；

前沿模型路線面向Claude Opus 5，GPT-5.6 sol，Kimi K3等頂級模型，這類模型參數巨大或為閉源模型，僅啟用Data與Harness算子。

目標模型為Qwen3.5-35B-A3B（35B總參、3B啟動），在Terminal-Bench 2.1、SWE-bench Pro、GPQA-Diamond高難度子集、AIME四項基準上評測。

△MetaRSI讓Qwen3.5-35B-A3B實現自進化

MetaRSI-v1平均提升10.9分，SWE-bench Pro解決率接近翻倍，Meta層為RSI帶來更高的天花板，連續自進化的累計增益提升顯著。

△“改進改進者”，MetaRSI讓小模型累計自進化增益擴大

多款前沿模型在Terminal-Bench 2.1上平均提升7.3分，說明MetaRSI範式對前沿模型同樣成立，旗艦模型同樣留有可觀的自我改進空間。

五條定律：為“機器如何進步”立法

MetaRSI梳理出兩條互補的改進路線：Harness-RSI保持權重不變，讓自我改進覆蓋任何可通過介面呼叫的模型；Model-RSI通過訓練把能力內化進模型。

且MetaRSI首次重新定義了Data-RSI，作為模型的能力邊界探測與放大器，通過對執行軌跡與外界反饋learning-signal的聯合分析得到經過驗證的經驗並scale為可復用的資料，並標定這些經驗能夠支撐到那裡，框定模型能力的正、負邊界。

Data-RSI的產物同時供給Harness-RSI與Model-RSI消費，兩條路線的改動結果又能夠流回Data-RSI，重新標定能力邊界、驅動下一輪，能力由此逐輪披露、累積。

在這一過程中，Harness不僅能做加法還能做減法：Data-RSI放大暴露的問題經Model-RSI內化之後，原本吸納在Harness中的知識會變成冗餘，Harness-RSI系統在回放校驗下將其刪除，能力留下，成本退場。

在此之上，MetaRSI提煉出五條定律。

定律一：驗證決定自我改進的前沿。

一個領域能不能形成自改進閉環，取決於該領域任務能否被檢驗，是否有合適的verifier。

定律二：自我認知會過期，重新發現能力邊界是速率瓶頸，RSI改變agent能力，其原本舊的系統描述隨即失效。

定律三：能力與載體無關但成本與載體有關。

例如同一項能力放在Harness裡每次推理都要重付成本，內化進Model只需付一次，成熟循環能夠持續把能力遷移到更便宜的載體。

定律四：可信度由不可寫面度量。

在閉環內部，真正能力變強和放寬成功標準會得到完全相同的分數，而且這種偏差從內部無法察覺、也無法靠統計糾正。

定律五：循環不憑空創造能力，一切增益本質上都是外部資訊熵的輸入或能力的激發。

自改進只能重新組織、放大並固化模型已經具備的潛力。因此每次提升都要分清兩部分：那些是把已有能力放大出來的，那些是真正從外部新引入的。

環環相扣，終成文明：讓每個科學領域都擁有進化閉環

人類歷史每一次的躍遷，都源於“生產答案的方式被重新發明”。

MetaRSI要在AI時代把這件事再做一遍。

它背後的CosmosMind團隊，是一支由清華/北大/史丹佛等海內外名校碩博、頭部大廠基模核心組研究員、著名產業方領軍人物組成的小而精的團隊，長期從事大規模模型訓練/RSI/智能體/科學計算等工作，在頂會頂刊上發表過諸多有影響力的論文。

這一次，他們沒有選擇再做一個更大的模型，而是把全部精力押在了“改進改進本身”這件事上。

團隊同步了開源RSI-Harness，這是一個能自我學習、自我迭代的Harness，並可以在使用中為不同科學領域與工程實踐沉澱出可移植的Harness Genome。

Cosmosmind已經把目光投向了閉環觸碰物理世界：可程式設計儀器、自動化實驗室成為執行器和驗證器，模擬、台架實驗、真實儀器可以像三級火箭一樣逐級推進，把不可逆的昂貴操作放到最後——第一個在物理世界關上的進化循環，很可能不會出現在開放環境裡，而會出現在自動化實驗室中。

研究者面對的不再是一堆待驗證的猜測。人類只需負責定義問題與價值判斷，而機器負責讓“從假設到驗證”的循環，以過去無法想像的速度開始轉動。

相信在MetaRSI的後時代，AI將會從解題工具走向文明級的進化引擎。 (量子位)

Matthew Berman 最近採訪了 OpenAI Codex 負責人 Tibo Sottiaux，整期大概 44 分鐘。

如果你經常關注 Codex，應該對 Tibo 不陌生。他應該是 OpenAI Codex 的核心營運人員。

他在 X 上還有一個很出圈的外號：

原因也很簡單，Codex 使用者經常會突然收到額度重設，而很多時候，就是 Tibo 自己在 X 上喊一句“RESET”。

這次訪談裡，他第一次講清楚了 Reset 背後的故事，但真正有意思的內容遠不止這些。

這場訪談裡，我覺得最值得關注的是下面幾個訊號：

1. Codex 已經併入 ChatGPT，但這還只是第一步。 OpenAI 的終點，是讓 “ChatGPT” 和 “Codex” 這兩個產品概念繼續淡化，最後只剩一個長期理解你的個人通用智能（Personal AGI）。

2. Astra 和下一代模型，會越來越依賴新的智能體系統（Agent Harness）。 今天大家手動維護 Skills、Memory、Sub-agent，在 OpenAI 看來都還很早期。

3. 一台 Laptop 很快會成為 Agent 的限制。 未來模型可能同時處理 100 個應用，大量任務會轉向雲端智能體（Cloud Agent）。

4. Ultra Fast 這種速度，1～2 年後可能接近默認。 同時 OpenAI 普通推理速度在過去約三個月已經提升了約 60%。

5. 模型已經開始反過來最佳化自己的推理基礎設施。 Tibo 認為，這已經可以算遞迴自我改進（Recursive Self-Improvement）的早期形態。

6. Codex 已經達到約 2000 萬使用者。 程式設計師可能只是第一批使用者，未來程式設計能力會成為所有知識工作者都能呼叫的底層能力。

下面展開聊幾個最值得看的部分。

這裡先澄清一個容易誤解的點。

Codex 和 ChatGPT 其實已經開始合併了。

現在 Codex 已經進入 ChatGPT 的整體產品體系，很多 Codex 能力也開始向普通使用者開放。

所以 Tibo 在訪談裡講的，並不是“未來才把兩個 App 放到一起”。

他講的是更徹底的一步：未來使用者甚至不需要再知道，自己現在到底是在用 ChatGPT，還是 Codex。

主持人問他，為什麼 OpenAI 要繼續推動兩者融合？

Tibo 的回答很明確：未來的模型，本身就要求它們走向統一。

因為未來的模型天然會程式設計、搜尋、研究、呼叫工具、理解語音和圖像，這些能力最終都會建立在同一套智能體系統（Agent Harness）之上。

所以再人為區分“程式設計師用 Codex”、“普通人用 ChatGPT”，意義會越來越小。

Tibo 描述的終局，是一個 個人通用智能（Personal AGI）。

程式設計師、設計師、產品經理、銷售，甚至完全不會程式設計的人，底層用的其實可能都是同一個 AI。

不同的只是它連接的工具、權限、工作環境，以及最後呈現出來的介面。

程式設計師看到的可能更像開發環境，銷售看到的可能是郵件、客戶和資料，普通使用者看到的依然可能只是一個非常簡單的對話介面。

OpenAI 想做的不是一堆不同的 AI 工具，而是一個 AI，根據你是誰，自動變成適合你的樣子。

Tibo 談到 Astra 和下一代模型時，重點並不是“下一代模型會強多少”，而是：

下一代模型會需要完全不同的智能體系統。

今天很多高級 Codex 使用者已經習慣維護技能檔案（Skills）、記憶（Memory）和子智能體（Sub-agent）。

技能越來越多要整理，Memory 會遺忘，Sub-agent 多了以後，還得考慮它們之間怎麼協作。

真正理想的 Agent，不應該讓人天天維護這些底層結構。

它應該長期理解你，知道你的目標、日常工作、習慣，甚至理解你的團隊，然後自己決定需要呼叫什麼技能、記住什麼資訊、是否啟動其他 Agent。

底層可以非常複雜，但使用者看到的應該越來越簡單。

這也是 Tibo 對下一代模型一個非常明確的判斷：模型越強，人越不應該去管理 Agent 本身。

另一個很有意思的判斷是：未來限制 Agent 的，可能反而是你的電腦。

今天的電腦，本來就是按照人類工作速度設計的。

我們一次只能操作幾個窗口、幾個應用，寫程式碼和處理資訊也有明顯速度上限。

未來一個模型可能同時處理 100 個應用。

它可以同時探索不同方案、寫測試、編譯、驗證假設，再啟動多個 Agent 平行工作。

到了這個階段，一台再強的 MacBook 也很難承擔這樣的工作量。

所以 Tibo 明確認為：雲端智能體（Cloud Agent）會越來越重要。

未來你電腦上看到的可能只是一個入口，真正工作的，是背後一整套雲端計算系統。

這其實也意味著，Agent 的終局可能不是“電腦裡裝一個更強的軟體”，而是：

背後有一整套隨時為你工作的計算系統。

Ultra Fast 現在最高可以做到大約 14 倍生成速度。

很多人會覺得，這種能力肯定長期屬於昂貴的高端功能。

大概 1～2 年以後，今天 Ultra Fast 這種速度，可能就會逐漸接近默認體驗。

當然，不是所有任務都會真的快 14 倍。

如果主要是在生成程式碼，提升會非常明顯；如果涉及大量工具呼叫、網路訪問和 CPU 操作，實際可能只有 3～4 倍。

但更重要的是，OpenAI 的速度提升並不只是靠堆 GPU。

模型本身也在變得越來越高效。

Tibo 提到，Sol 已經比 Terra 高效很多，下一代模型還會繼續提高 Token 使用效率。

與此同時，即使不計算 Ultra Fast，OpenAI 普通推理速度在過去大約三個月裡，也已經提高了 60% 左右。

今天的 Ultra Fast，就是一兩年後的普通檔。

05. AI 太快以後，工作方式也會變

現在很多重度 Agent 使用者，一次會開 10 個甚至 15 個 Agent。

一個任務扔進去，再切到另一個，過一會兒回來查看結果。

AI 在幫你幹活，但你自己反而變成了“AI 項目經理”。

Tibo 說，OpenAI 現在很在意一個東西：人的注意力。

如果 Ultra Fast 再疊加語音，未來的工作流可能完全不同。

你說一個想法，AI 馬上生成原型；你看完直接說那裡要改，它立刻修改；接著再讓它補市場研究、資料分析和報告。

整個過程不需要來回切換上下文。

AI 的速度一旦接近人的思考和表達速度，人和 AI 的關係就會從“派任務”，變成真正的即時協作。

這時候，速度提升真正改變的就不只是“等 20 秒還是等 2 秒”，而是整個工作方式。

Tibo 也把未來 Agent 大致分成了兩條路線。

一條是 個人通用智能（Personal AGI）。

它長期理解你，知道你在做什麼，會主動提供資訊，幫你研究、程式設計、分析和處理工作。

另一條是 全自動化（Full Automation）。

比如生產系統出現問題，Agent 自動查看日誌、找到問題、修改程式碼、測試並修復。

安全掃描發現漏洞，也可能自動完成修復，只把高風險操作交給人批准。

這時候，Agent 就不只是“幫人幹活”。

而是開始完整接管一部分工作流程。

訪談裡還透露了一個值得注意的資料：

Codex 已經達到大約 2000 萬使用者。

而 Codex 與 ChatGPT 的融合，是最近增長的重要推動力之一。

這其實說明了一個趨勢：Codex 最終不會只是程式設計師工具。

當程式設計能力進入 ChatGPT 以後，產品經理、設計師、銷售、市場人員都可以直接使用。

比如你讓 ChatGPT 分析 5000 條資料，它背後可能自己寫 Python、運行程序、整理結果。

普通使用者根本不用知道發生了什麼。

程式碼以後可能只是 AI 運算元字世界的一種底層語言。

所以所謂“Coding Agent”，最後未必只服務 Coding。

程式設計師可能只是第一批吃到這套能力的人。

彙整鉅亨號中所有使用「遞迴自我改進」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

這是一篇把"RSI"講明白的科普級綜述！

AI開始改進“改進自己的方法”，RSI進入平方時代

Tibo 最新訪談：Codex 之後，OpenAI 真正想做什麼？