生数科技Motubrain 2.0开启为期半月的训练全流程直播
相关推荐
又一条RSI路线出现：模型参数不动，Agent靠Memory持续进化
动察 Beating AI 快讯，UCSD 助理教授黄碧薇创办的因果世界模型公司 Aether AI 开源 RSIAgent。 这是一套不训练模型的递归自我改进框架。底层模型参数全程固定，Agent 会自己寻找值得练习的任务、实际操作、检查结果，再把成功方法和失败教训写进长期 Memory。下一轮继续利用这些经验，逐步补上能力短板。 系统由三个 Agent 配合。Curriculum Agent 决定接下来练什么，Actor Agent 真正操作软件，Verifier Agent 独立检查结果。探索分成两步：先广泛尝试不同任务，再针对失败、隐藏限制和边界情况继续深挖。最后 Memory 会被冻结，直接拿去执行正式任务。 在 OSWorld 2.0 上，加入这套 RSI 后，平均部分得分从 71.97% 提升到 78.98%；Agents’ Last Exam 从 83.75% 提升到 84.82%。不过这不是整套测试的严格 A/B 对比。OSWorld 只有一半任务实际用了 RSI 后的新结果，其余任务继续沿用原成绩。 它和 Prime Agent 这类 Harness 自我改进思路属于同一个大方向：模型权重不变，持续更新模型外面的东西。 RSIAgent 的特点是把改进重点放在 Memory，再用自主出题和独立验证，让这份外部经验库不断积累。
RSIGym开源：让AI研究如何改进AI，瞄准递归自我改进
动察 Beating AI 快讯，做 AI 训练和评测工具的 Evolvent AI 开源了 RSIGym，目标是研究 AI 的递归自我改进（RSI）。简单说，就是让 AI 自己寻找系统弱点、提出修改方案、测试效果，再尝试用改进后的系统开展下一轮研究。 RSIGym 将训练、推理、评测和沙箱做成现成服务。研究 Agent 可以生成训练数据、调整微调参数、训练模型，再根据评测结果修改方案。它还能修改 Harness，也就是控制模型如何调用工具、执行任务的程序。研究者可以让 Agent 只改训练数据、只改 Harness，或者同时优化两者。平台统一管理实验预算、权限和执行日志。 团队还推出 RSI-Index，测试 AI Agent 改进另一套 AI 系统的能力。6 款研究 Agent 分别从相同的 Qwen3.5 基础模型和简单 Harness 出发，在编程、数学等 5 类任务上进行优化。Opus 5 综合排名第一。它改造后的系统在 SWE-bench Verified 的 100 题子集上，成绩从 17.67% 提高到 50.33%；数学测试 AIME 则从 31.67% 提高到 97.78%。 另一组实验只改 Harness，不动模型权重。Opus 5 根据 DeepSeek Harness 的执行日志，修复了输出截断后停止工作、提前宣布任务完成等问题。在 Qwen3.6 模型权重完全不变的情况下，Terminal-Bench 2.0 成绩从 30.34% 提高到 40.82%。 团队还尝试让 Qwen3.8-27B 改进自身，由它同时担任研究 Agent 和被改进的模型。它在 6 道测试题上找到了一套看起来有效的微调方案，但在完整的 37 道题中，成绩反而从 56.66% 略降至 56.26%。此外，每组实验只进行一次研究运行，Agent 在开发阶段也能接触评测题目。目前还没有证据表明，改进后的 AI 可以继续提升自身的研发能力，实现多轮递归自我改进。
GLM-5.3开始优化自己的系统，智谱唐杰：RSI最小闭环已经出现
动察 Beating AI 快讯，智谱披露，GLM-5.3 驱动的 Infra Agent 已经参与优化 GLM-5.3-Flash 的推理系统。从首次跑通到承接全部生产流量不到两周，端到端吞吐提升到最初的 3.2 倍。 联合创始人兼首席科学家唐杰在复盘中提到，Agent 现在最容易卡住的地方，往往不是不会写代码，而是不知道问题出在哪。比如一次修改让吞吐下降 20%，它知道自己改坏了，却不知道是哪一层出了问题，下一步该查什么。 于是智谱把资深工程师平时的排查方法做成一套 Agent 可以直接使用的工具。Agent 改完代码后，可以自己检查结果对不对、时间耗在哪里、哪种方案更快，再根据结果继续修改。 靠这套方法，Agent 找出了长上下文计算误差、KV 传输阻塞和解码 kernel 重复计算等问题。其中一个 kernel 重写后提速 1.71 倍。 唐杰判断，工程师的角色会越来越像「设计反馈的人」。人负责定目标、设边界和审核高风险修改，Agent 自己提假设、改代码、跑实验。离完整的 RSI 还很远，但「模型优化系统，系统再服务模型」这个最小闭环已经出现。
智谱GLM公开国内大模型首个RSI实践：AI在十万卡国产集群上自建推理系统
火星财经消息,今日，智谱GLM 团队披露其在递归自我改进（Recursive Self-Improvement，RSI）方向的首个工程化实践：由GLM-5.3驱动的Infra Agent完成了GLM-5.3-Flash推理基础设施的设计、调试与优化，实现模型对自身运行系统的反向改进。这是国内大模型厂商首次公开跑进生产环境的RSI案例。据官方博客，Infra Agent在超10万张国产芯片组成的集群上从零完成生产级推理服务搭建，不到两周将端到端吞吐提升至初始基线的3倍，硬件利用效率与单Token成本达到主流NVIDIA GPU相当水平。 （科创板日报记者 李明明）(财联社)
谷歌让Agent学会「做梦」：复盘过去试错，下一轮自己少走弯路
动察 Beating AI 快讯，谷歌研究团队发布 Dream-RSI，让 AI Agent 做完一轮任务后，把过去的成功和失败拿来「做梦」。系统会保存每次尝试和结果，再利用这些旧记录推演不同做法，比如先试哪条路、什么时候放弃、要不要同时多试几个方案。因为结果以前已经跑过，这些推演不用重新执行任务。 系统会从中选出表现更好的做法，直接用到下一轮。新一轮又会留下更多成功和失败，再拿来「做梦」、继续改策略。这样一轮接一轮，就是论文所谓的「递归自我改进」。目前底层模型本身不会变化，真正被改进的是 Agent「下一步怎么做」的方法。 论文在算法、数学优化和 GPU kernel 等 8 个任务上测试了这套方法。以 Gemini 3.1 Pro 的一个算法任务为例，相比固定做法，Agent 调用从 550 次降到 317 次，同时最终找到的程序运行得更快。
AI Agent走向持续执行：X-Agent探索跨会话任务运行架构
火星财经消息，9 月 16 日，据官方消息，X-Agent 近日发布文章《Lessons from Muse: Exploring a Persistent Runtime for X-Agent》，围绕 AI Agent 从即时交互走向长期任务执行的趋势，探讨下一阶段的系统架构：当任务持续数小时甚至数天，Agent 如何在用户离开后保存进度、等待事件，并在失败后恢复执行，直至完成工作。 文章提出，可靠的 Agent 需要将目标、任务、执行记录、事件与产出保存在系统中，结合可恢复的浏览器环境、MCP 与 API，实现跨会话的持续执行。同时，通过模型访问控制、凭证隔离、操作审计及高风险动作审批，让持续运行具备明确的安全边界。据官方消息 X-Agent 将这一探索概括为从 Agent Builder 向 Persistent Runtime、Controlled Runtime 与 Learning Runtime 演进，并强调以任务完成率、恢复成功率和每项任务成本衡量实际效果。相关架构仍处于探索阶段，并非已上线功能或正式承诺的路线图。 随着 AI 应用加速从「生成内容」走向「执行工作」，能否持续、可靠地完成真实任务，正成为 X-Agent 关注的下一阶段核心问题。