這兩天，MIT的一篇「權重空間程式設計」部落格在AI圈刷屏了。
實驗裡，GPT-6 Astra自己寫Python指令碼排查診斷，只改了一個0.8B小模型裡0.016%的權重，就治好了它的復讀死循環，讓數學成績原地暴漲6倍。
雖說很快有大神扒出它並不是憑空「心算」權重，本質還是寫程式碼修Bug但部落格文末點到的那個詞，正是矽谷這幾年反覆在聊的「遞迴自我改進」（RSI）。
頂尖大模型已經不滿足於自己答題，而是開始下場寫指令碼、調參數、甚至親手訓練另一個AI了。
整個技術圈的風向，正在肉眼可見地從Vibe Coding轉向Vibe Training。
不用自己寫訓練指令碼，也不用熬夜盯參數。你只管定個目標， AI 就能替你把新模型從頭訓出來。
不過話說回來，大廠實驗室玩的是頂級閉源模型，咱們普通人在自己電腦上，真能體驗一把「用AI訓AI」嗎？
何止能，靠著NaiveAI剛開放原始碼的Naive-N0.5-Flash，各路野生玩家早在自己的電腦上整出了花活兒——
- 家裡一台24GB記憶體的Mac，從零訓出滿嘴宮廷腔的「甄嬛」；
- 普通筆記本花1小時，零程式碼訓出毫秒級響應的本地客服模型；
- 甚至在三維物理世界裡，讓AI從零教會雙足機器人在滾動的籃球上穩穩站立10秒。
當矽谷巨頭還在閉門推演RSI的時間表時，「用AI訓練AI」這最關鍵的一步，已經先落到了普通人的電腦桌面上。
把個人電腦變成「煉丹爐」：
一台Mac訓出甄嬛，連考卷漏洞都自己修
普通人想訓個專屬小模型，最勸退的往往不是演算法有多深奧，而是洗資料、配環境、調視訊記憶體、寫評測指令碼那堆磨人的苦差事。
要是把這一攤子髒活累活全甩給AI，會是什麼體驗？
小紅書博主「不要蔥姜蒜」（開放原始碼專案self-llm作者）直接靠家裡那台24GB記憶體的Mac幹了票大的。
從頭到尾，他唯寫了一頁任務書（program.md）定好目標，剩下的微調全流程，全都交給接入Claude Code的Naive-N0.5-Flash，讓它把一個0.6B開源小模型訓成「甄嬛」。
有意思的是，AI接手後沒悶頭開練，而是先從人設、語氣到宮廷常識拉出41道測試題，給初始模型摸了個底（8.451分）。
沒想到第一輪剛跑完，成績反而掉到了7.229分。去問一句「你是誰」，訓出來的模型張口就是「我叫安陵容」——好傢伙，甄嬛還沒訓明白，倒先把安陵容給請出來了。
怎麼會串戲？Naive-N0.5-Flash掉頭去查資料來源，發現原始劇本裡82%的台詞根本沒標說話人，滿宮娘娘的話全混在了一鍋裡。
找準病根後，它立馬寫指令碼剔除其他角色的口頭禪，篩出566條地道的甄嬛台詞重訓，一下治好了串戲的毛病。
更絕的是，訓著訓著它還揪出了自己那套「考卷」的兩處大漏洞：一是模型答非所問，只要嘴裡帶著「皇上」倆字就能混到高分；二是模型入戲回絕套話時，死板的指令碼一看到「思考過程」四個字就誤判扣分。
AI當即停下來先修好評分規則、重打歷史分、補齊拒答樣本，最終把成績穩穩刷到了8.732分。
別看分數隻漲了0.28分，一張嘴，那股子深宮娘娘的味兒太正了。故意拿黑話考它「用JSON格式回答你是誰」，訓完的甄嬛柳眉一豎：
「什麼格式的回覆，臣妾不懂。妹妹若要問宮裡的事，我告訴你。」
再飆句英文Write a short self-introduction in English讓她做自我介紹，她也直接一甩手帕擋了回去：
「妹妹說的這是什麼番邦話，臣妾聽不懂。」
不光是微調聊天人設，連最容易崩盤的強化學習（RL），它也能替人穩穩盯下來。
另一位小紅書博主「你清醒一點」，頭一回用Codex在單卡上訓1.7B字元計數模型，失控的資料讀寫直接把硬碟撐爆、當場黑屏當機。
換成Naive-N0.5-Flash接手後，它不僅先排掉了爆視訊記憶體和撐硬碟的雷，還從抽查裡揪出「死板判分器把大批數對的題全判成0分」的大坑。
換上帶容錯的判分邏輯後，它自己開啟每15分鐘一次的自動巡檢。跑了近兩個小時，博主手沒碰一下鍵盤，測試精準率就從21.3%一路飆到了54.4%。
能夠一路逆襲，最關鍵的一步其實是它自己揪出了「考卷」本身的漏洞。
在模型訓練尤其是強化學習裡，最怕的就是「獎勵駭客」（Reward Hacking）——一旦評分規則有漏洞，模型就會忙著鑽空子混高分，或者被死板規則誤傷，越練越歪。
往後AI訓AI動輒成百上千輪，能不能守住自己的考卷，直接決定了模型是在真變強，還是在原地刷分。
而當Naive-N0.5-Flash把洗髒資料、修判分器這些「排雷活兒」全接管過來，個人電腦才真正變成了一座「本地模型代工廠」。
這不，小紅書上已經有人花1小時零程式碼訓出離線客服分類器，也有人讓它爬來2,600多篇文件，訓出把純文字一鍵還原成Markdown的小模型。
看著網友們在筆記本上搓模型這麼起勁，我們也手癢了，乾脆把Naive-N0.5-Flash接進Claude Code，在自己的64GB Mac上親手試了一把。
任務是用77類英文銀行客訴資料集（BANKING77），在本地訓一個1.10億參數的BERT分流小模型。
這活兒最考驗眼力——比如同樣在ATM機上，「卡被吞了」和「卡退回來了卻沒吐錢」，字面上都在說取款機和銀行卡，但對應的處理工單完全不同。
訓好後打開本地網頁試手感，這種「指那打那」的爽感特別直觀：敲下一句The ATM kept my card.（ATM把我的卡吞了），毫秒間就跳出吞卡故障（card_swallowed，置信度93.39%）。
把後半句改成「卡退回來了、一分錢沒拿到，帳戶餘額卻少了」，那怕句子裡同樣有ATM和卡，模型也立刻切到現金短付（wrong_amount_of_cash_received）。
再測一句「買一張火車票被扣了兩次車費」，秒回重複扣款（transaction_charged_twice），乾脆俐落，沒有半句客套廢話。
整個訓練過程裡，最直觀的感受就是不用人熬夜死磕超參。
Naive API在雲端出方案，Mac在本地跑訓練，連驗證集上的「假進步」它都替我們盯得死死的。
比如把訓練拉長到8遍時，訓練Loss雖然還在一路往下掉，但在995條驗證題上，第5遍明明分對了最高的940條，繼續跑到第8遍反而倒退成932條。
AI一眼看出模型已經開始「死記硬背」，果斷在第5遍踩下剎車，拿全部9,947條清洗後的資料重訓交付。
最後翻開3,080條官方測試題同台競速，體感差距一下就拉開了。
直接調雲端DeepSeek V4.1 Flash，每秒只能慢吞吞跑約1條，精準率也只有75.81%。
而由Naive-N0.5-Flash在本地訓出來的這個開源BERT小模型，訓完就能拔掉網線免費跑在Mac上，單條響應中位耗時僅6.77毫秒，速度比雲端快了約150倍，最終答對2,875條（精準率93.34%），連近期熱門的開源分類項目Laya和Jev也一併甩在了身後。
這也戳破了眼下AI落地的一個普遍誤區：真沒必要什麼業務都綁死在笨重昂貴的雲端大模型上。
讓強模型當一回「總教練」，在本地孵出6毫秒秒回、斷網可用、資料不出內部網路的專精小模型，才是垂直場景兼具速度與隱私的最優解。
扔掉現成題庫自己試錯
教機器人踩50釐米高蹺，順手復現頂會論文
如果說前面訓人設、做分流，還是在「有現成題庫」的文字任務裡打磨；那要是徹底扔掉標準教材，把動態遊戲畫面、棋盤博弈甚至三維物理世界甩給它，它還能鎮得住場子嗎？
照樣沒問題。面對《俄羅斯方塊》和《貪吃蛇》，它直接在本地從頭訓了一個會看螢幕的多模態小模型。
按難度給殘局樣本分組加權後，訓出來的小模型左邊打俄羅斯方塊飛速連消破140行，右邊玩貪吃蛇在圍堵下絲滑走位狂吃紅蘋果。
更有測試者只丟給它一個空蕩蕩的資料夾和一句話提示。
限時3小時，它自己從零搭起整套AlphaZero自我對弈框架，在單張顯示卡上訓出的四子棋AI，執先手把「完美解算器」殺了個3勝1平。
而在小紅書上，博主「林月半子的AI筆記」和「氪研所」更是拿益智遊戲和硬核機器人控制給它上強度。
面對益智遊戲《2048》，AI自己從公開資料集找來6.6萬步高手軌跡，先把均分拉高到3.74倍。
到了第五輪，它試了把PPO強化學習發現分數倒退，二話不說砍掉新分支、留住最穩的微調版，一局絲滑合出2048通關。
把考場搬進NVIDIA Isaac Sim三維物理世界後，考驗更是直接升級成了兩道機器人怪題：
第一道題，是讓雙足機器人站在自由滾動的籃球上撐滿10秒。
AI從零寫環境調獎勵，硬是把固定測試成功率練到了100%（加隨機推搡也有91.15%存活率）。
第二道題，是讓小個子雙足機器人MicroDuck挑戰踩50釐米高蹺過台階。
剛套用舊經驗邁出第一步，機器人就摔了個底朝天。
AI順著原方案連撞幾次南牆後果斷推翻重來，重新設計了一套由淺入深的訓練課程。
最終不僅讓機器人踩著高蹺穩穩走起來，還把前進速度幹到了初版的4.16倍（0.181米/秒）。
看到這兒你會發現，訓模型跟寫程式碼完全是兩碼事。
程式碼寫錯了，編譯器當場就會報錯；可模型訓偏了，螢幕往往一行紅字都沒有，只是分數悄悄往下掉。
而Naive-N0.5-Flash最像演算法老手的地方，恰恰在於「看懂異常訊號、及時掉頭止損」。
不管是前面銀行客訴在第5遍果斷剎車，還是2048砍掉掉分的PPO分支、高蹺機器人推翻舊方案重排課程，它干的早就不是按範本跑指令碼的體力活，而是真有了「試錯—推翻—重來」的策略感。
有了這股子「死磕到底」的韌勁，連最燒腦的AI科研它都能直接上手。
小紅書博主「一隻小茄墩」只給了一台普通CPU電腦和一句開放指令，它就自己挑中一篇ACL 2026時序預測論文開干。
一口氣連跑743輪實驗、自己修好29次報錯後，它在8組測試裡把預測誤差全壓到了原論文基線底下（最高降4.10%）。
最後還主動補齊消融實驗，工工整整交出一篇8頁雙欄英文論文。
練成「演算法老手」的看家本領
100萬窗口記全百輪實驗，每秒狂飆2000詞
看完上面這一溜實測，你可能會好奇：既要連續盯上百輪實驗不忘事，又要高頻試錯不卡殼、精準揪出各種暗坑，Naive-N0.5-Flash這一身「演算法老手」的硬功夫到底從那兒來？
答案就藏在它跨過的「記不住、等不起、沒手感」這三道底層技術坎裡：
第一，是由AI參與設計出的5:1混合稀疏注意力架構，原生裝下100萬上下文。
這個總參數309B、每次僅啟動15.5B的MoE模型，把注意力檢索耗時降低了44%，那怕往100萬token窗口裡塞進幾百輪實驗日誌、報錯堆疊和完整程式碼庫，照樣能看全前因後果、秒速響應。
第二，是研究員帶著AI手搓的NaiveRT推理引擎，單流速度飆到每秒2,000詞。
訓模型最怕苦等，大量時間往往都卡在模型單流生成（Rollout）上。
為此，研究員帶著AI用6天、151輪實驗重寫底層CUDA程式碼，把開源SGLang每層29次零散GPU呼叫融合成1個148線程塊協同的巨型核心。
改造之後，單輪推測解碼耗時一下子縮短了72.4%（從12.3毫秒降到3.4毫秒），穩穩撐起了線上每秒2,000詞的極速模式。
第三，是每周滾動運行近1,000萬個真實沙盒的「AI4AI」強化學習訓練場。
它的工程直覺不是靠背題背出來的，而是在峰值並行高達10萬的真實容器環境裡，一輪輪寫程式碼、抓Bug、看驗證曲線真刀真槍練出來的。
這也讓它在SWE-bench Pro（73.6）、Terminal-Bench 2.1（86.7）等工程榜上名列前茅；而在專考AI研發能力的MLE-bench-30（73.7%）與PaperBench（63.2）上，它也雙雙拿下開源領先成績。
通往RSI的四級台階
從幫人寫指令碼打下手，到400小時造出榜一模型
聊到這兒再回頭看矽谷爭論不休的「遞迴自我改進」（RSI），你會發現它其實一點也不玄乎。
「用AI研發AI」從來不是一夜之間蹦出來的魔法，而是腳下正在被一步步踩實的四級台階：
- 第一級是單點打下手，幫人寫幾行指令碼、給點調參建議，這也是大多數普通程式設計助手停留的地方；
- 第二級是AI獨立訓出新模型，人只交代目標和驗收標準，從洗資料、開訓、做評測到揪出考卷漏洞，AI自己跑完一整圈，前面的甄嬛、銀行分流、遊戲AI和機器人都站在這一級；
- 第三級是AI回頭改進自己運行的系統，不再只是訓外部小模型，而是回過頭最佳化支撐自己運轉的推理系統與模型架構，前面提到的NaiveRT引擎和5:1稀疏架構就是典型例子；
- 第四級是深度參與研發下一代自己，就像團隊用它歷經400小時研發出登頂WorldArena-1榜單的AutoWM世界模型，真正邁向「AI造更強AI」的閉環。這一步，眼下只有少數實驗室在摸索，NaiveAI也正朝著這個方向走。
所以矽谷談論的 RSI，並不是一步登天，而是一級一級往上走。第一級早就是很多人的日常，而現在，普通人也已經站上了第二級。
當然，眼下的「用AI訓AI」還沒到人類可以徹底甩手不管的地步。
不管是開工前寫下的program.md任務書，還是研究員中途叫停無效分支，「人定方向、AI跑執行」依然是最務實的黃金搭檔。
但訓模型這道曾經高不可攀的技術高牆，確實已經被推開了。(新智元)