#自进化

RSI，正在重走深度学习的老路

作者：南冥有一鱼 https://zhuanlan.zhihu.com/p/2093754106439545815 过去一段时间，RSI（Recursive Self-Improvement）正在从一个遥远的设想变成现实。市面上出现了一大批可以动手实验的论文和方法。这些论文有的修改自己的 Skill

把经验真正沉淀为长期参数记忆！浙大& Seed 提出 Cortex，探索 Agent 持续自我进化

一次成功操作、一段纠错反馈，能否成为智能体下一次进步的起点？Cortex 将经验带来的帮助沉淀为长期参数记忆，在学习新内容的同时尽量保留已有能力，为智能体的持续自我改进提供可积累的基础。 一个智能体（Agent）接到任务后，会查阅文档、调用工具、尝试不同方案。在解决问题的过程中，它可能借助文档用对了

DeepMate 创始人王鸿儒：Personal Agent，可能是人类实现「永生」的版本答案！

Personal Agent，可能是人类实现「永生」的版本答案 一个有点可怕的想法：也许未来人类的死亡，不再意味着一个人的彻底消失。 最近在做 DeepMate，一个围绕人与 Personal Agent 的记忆、身份和社交关系构建的 AI 产品。 在思考 Agent 的长期记忆机制时，突然意识到一

RSI 专题实录！RSI 的定义、技术路线、瓶颈、Benchmark、未来形态，以及人又会扮演什么样的角色

AI 能否改进自己的推理、训练方法和 Agent 系统？ 当模型能够生成改进方案、构建实验环境、验证结果，并将有效改进带入下一轮迭代，我们距离真正的 RSI（递归自进化）还有多远？ RSI 正在成为 AI 研究中的一个重要议题，但它并不是一个边界清晰、人人理解一致的概念。 Self-Evolutio

Robotics RSI大时代，我们应该做什么

转眼间已经距离Astra横空出世过去了好几个月了，这段时间也出了非常多的RSI、Harness系统刷爆了仿真，特别是之前被誉为珠峰的Robodojo，平均一周榜首换两三个，还基本上都是Agentic系统。 在这个狂欢下，我们不禁注意到，仍然有若干问题是agent无法解决的，以及一些是即使到GPT7、

直播预告！从 JEPA-Anything 到 RSI-Anything：探索通用 RSI 新路径，世界模型驱动下的递归自我改进

让模型继续变强，眼下最缺的往往不是想法，而是反馈：代码修复要跑测试，化学反应要上实验台，免疫研究要做湿实验。每一次执行都是真实成本。 反馈一贵，问题就从“怎么改”变成“先试哪个”。同一个 coder 给出四个候选补丁，同一轮里只执行其中一个；同一批反应条件，实验台只给 40 次机会。选错一次，机会就

别只升级“大脑”！NeurIPS 2026 论文呼吁：机器人的身体也该进化

作者：岳博，在香港中文大学（深圳）在读博士 青稞社区为科研人员提供成果宣传支持，如有优秀研究成果分享推广，欢迎投稿联系：aiFreeCode 谈到具身智能，我们很容易想到更强的视觉语言模型、更多的机器人数据，以及更好的控制策略。但有一个问题往往被放在了训练之外：如果机器人的身体本身不适合任务，再聪明

直播预告！从 Code-as-Policies 到 EmbodiedRSI，聊聊具身智能体的自主学习与自我进化

近年来，机器人学习主要依赖模仿学习：用大量专家示范数据训练策略。但换个任务、变个环境，往往就要重新采集数据、重新训练——成本高，扩展性也差。 更麻烦的是，机器人基础模型在物体位置或任务指令变化时，性能会明显下降；想要进一步改进，又需要大量遥操作数据做后训练。 那么问题来了：能不能让具身智能体像人一样

NeurIPS 2026 高分论文！清华提出 SAFLOW，构建面向在线强化学习的自伴随生成式策略

清华大学车辆学院与人工智能学院团队提出最新研究成果《Self-Adjoint Flow Policy Optimization》，构建了面向在线强化学习的自伴随生成式策略 SAFLOW。论文已被 NeurIPS 2026 接收。OpenReview 评审评分为 5 / 5 / 5 / 4（6 分制）

直播预告！当 AI 开始改进 AI，我们离真正的 RSI 还有多远？｜青稞 AMA：RSI 专题

AI 能改进自己的推理、训练方法和 Agent 系统吗？ 当模型能够生成改进方案、构建实验环境、验证结果，并将有效改进带入下一轮迭代，我们距离真正的递归自我改进（Recursive Self-Improvement，RSI）还有多远？ RSI 正在成为 AI 研究中的一个重要议题，但它并不是一个边界

让 Agent 长会话更省、更好管！浙大最新推出 LightRSI 探索低成本自进化

用 Agent 写代码，一个任务通常不止一次问答。它要读文件、调用工具、修改代码、跑测试，再根据结果继续行动。 在同一个会话里做得越久，积累的历史就越多。之前读过的文件、重复的测试日志、已经结束的任务，都可能继续跟在后面的请求里。当前只想改一个小功能，却要带上越来越多的旧信息。 这段时间，我们围绕这

字节最新提出 PEAR：面向工业级搜推在线系统的 RSI 框架

工业搜索长期围绕同一条技术主线演进：让结果「找得更全、排得更准、转化更高」。查询理解不断深入，召回覆盖持续扩大，排序目标日益精细，生成式搜索与大模型也在持续拓展系统的能力边界。 但随着系统日趋复杂，真正制约迭代效率的已不只是能否设计出更强的模型，而是：如何在持续变化的真实流量中，稳定地找到并验证可信

直播预告！聊聊自我改进、递归自我改进（RSI），以及与自博弈的关系

大模型的强化学习后训练依赖人工整理的题目和固定的训练环境。模型变强之后，现有环境的难度和多样性跟不上，训练收益逐渐减少。 SPIRAL（ICLR 2026）：与不断变强的自己对弈 论文：SPIRAL: Self-Play on Zero-Sum Games Incentivizes Reasonin

万字长文带你读懂 RSI（自进化，Self-Evolving）

原文：https://prism-shadow.github.io/awesome-rsi/#blog/understanding-rsi RSI（Recursive Self-Improvement）这个概念最近热度很高。与之相近的表述还有自进化、Self-Evolving、Self-Improv

Agent 安全也能自进化？SafeEvolve 让 Harness 与 Policy 从安全经验中共同进化

随着大模型Agent逐渐具备自主规划、工具调用、网页访问和多步任务执行能力，Agent安全正在面临新的挑战。 过去，安全对齐往往主要关注模型最终输出是否有害，例如是否拒绝危险请求、是否生成不当内容。但对于能够与外部环境持续交互的Agent而言，风险可能发生在最终回答之前，也可能隐藏在中间决策、工具调

直播预告！聊聊 EnvHarness，Agent 和环境如何“左脚踩右脚”实现自进化

当前 Agent 训练面临两难： 传统环境静态僵化，Agent 易过拟合； 完全合成环境又易产生逻辑幻觉。 而 Agent 本质上是一个不断与环境（Environment）进行交互的主体：感知反馈、做出决策、影响环境。在自进化 Agent 的主流范式中，往往高度依赖 Agent 在环境中的单向探索来

直播预告！从 Harness 看 AI4AI 如何实现

我们能否在不更新任何模型参数的情况下，把强模型的能力迁移给弱模型？ 我们通常认为，更强的 AI 能力需要通过蒸馏，OPD等各种方式训练更弱的模型，但在 Harness 的热潮下，一个更本质的问题值得探索：如果完全不改模型参数，强模型能不能在 test time 直接帮弱模型“搭好思考方式”？ Har

微软最新提出面向 AI tutor 训练的学生模拟器 StudentSim：从真实学习记录构造 feedback model

论文标题：StudentSim: Training LLM-based Student Simulators 论文链接：https://arxiv.org/abs/2609.01591 Huggingface Paper 主页：https://huggingface.co/papers/2609.0

当 Harness 也能被 AI 自动设计：AI4AI 正在重写小模型变强的方式

今年，AI 的竞争正在悄悄换一个方向：决定一个 AI 系统能力的，开始不只是模型本身，还有模型外面的那套“工作方式”。 过去，我们想让一个模型变强，通常意味着继续训练它：更多数据、更好的反馈、更大的计算量，本质上都是在改变模型内部的参数。但 Agent 时代正在让另一条路线变得越来越重要：模型可以完

Harness基模JIT-27B，为每个任务写一套“Claude Code”

Harness基模JIT-27B，为每个任务写一套“Claude Code” Agent benchmark 通常把模型视为能力的主要来源，但同一模型只要更换记忆组织、规划协议、工具暴露方式或错误恢复流程，最终表现就可能跨越一个明显的档位。 这样的差异来自 Agent Harness：它定义模型在什

关于 RSI 的一些思考：Test-Time 沉淀与 Training-Time 演化的架构终局

近期最火的一个词，当属 RSI，全名为 Recursive Self-Improvement。简单来说，就是让 LLM / Agent 不仅完成任务，还能利用自己产生的经验、数据、反馈甚至代码，迭代地改进自己。 实际上类似的术语非常多：self-evolve、self-play、self-refin

直播预告！模型的“什么经验值得被看见”？一起聊聊 LOPD：不再手动设计 OPSD 特权信息

学术社区是否已经对层出不穷的 On-Policy Self-Distillation (OPSD) 特权信息变体感到审美疲劳？ 当 answer、trajectory、reflection、skill 被不断设计得更精巧，LOPD 反过来追问一个更根本的问题：我们为何仍要替模型规定“什么经验值得被看

Infra 也能自进化？Φ-Bench 深度评测：大模型距离“AI 工程师”还有多远？

过去几年，大语言模型（LLM）的能力快速提升。从写代码、完成复杂推理，到辅助科研和软件开发，模型正在逐渐成为越来越强大的工程助手。 但一个更深层的问题正在出现：如果模型能够帮助人类构建软件，大模型是否也能够反过来优化支撑自身运行的基础设施？ 换句话说：Can Large Language Model

自进化也能“左脚踩右脚”？Google提出 EnvHarness：环境自进化，倒逼 Agent 疯狂进化！

Agent绝大部分时候都运行在环境当中，那么在agent进化的过程中，有没有办法让环境也进化呢。 论文：EnvHarness: Awakening Static Worlds for Agent Learning 链接：https://arxiv.org/abs/2608.19880 主页：http

AI for AI 的前世今生： 从进化、自进化与元进化，迈向递归自我改进（RSI）

导语：当代码智能体（Code Agents）与测试床工程（Harness Engineering）飞速发展，AI 不再仅仅是被动接受指令的工具。AI for AI (AI4AI) 正在经历一场深刻的范式演变，其核心目标已明确指向人工智能领域的终极愿景之一——递归自我改进（Recursive Self

Kimi K3、Qwen3.8-Max 官方评测都在用！伯克利硬核测试揭穿 AI 自进化假象

TL;DR Auto-Research 系统正在快速发展，但当前多数成功案例建立在一个重要前提上：候选方案可以被廉价、快速、明确地验证。只要评分足够便宜，扩大采样与搜索就能持续提高找到好答案的概率。 真实机器学习研究并不总具备这个条件。完整训练昂贵，反馈存在延迟，单次实验只能提供部分证据。系统不仅要