让模型自己生成训练数据、自己改写提示词、自己修复代码，这条路线被称为：
递归自我改进（Recursive Self-Improvement，RSI）。
但几乎所有 RSI 系统都是同一套结构：一个固定不变的改进程序，反复作用于模型。并往往只从 Harness、Data 或 Model RSI 的单一视角切入。
为了回应这一难题，CosmosMind 联合斯坦福、伯克利、MIT、清华、北大等十余家海内外高校发布 MetaRSI-v1。
这是全球首个统一 Model-RSI、RSI、Harness-RSI 的元递归架构，能够改进"自我改进的过程"。
RSI 由此进入"平方时代"。
△论文首页
在没有任何外部教师模型参与下，MetaRSI-v1 使得一个仅 30 亿激活参数的小模型，在四项基准上平均自我提升 10.9 分；并且让 GPT-5.6、Claude Opus 5 等六款前沿旗舰模型，平均提升 7.3 分。
更重要的是数字背后， MetaRSI-v1 是一套试图统一整个 RSI 领域的架构语言：包括一个内核、两条编排轴、三个算子、整个元 RSI 层，以及五大定律。
△MetaRSI-v1 概览首次被统一的 Loop Kernel 范式
Loop Kernel 是 MetaRSI-v1 首次提出的自我改进统一形式。
它第一次把"进步如何发生"抽象成一条与对象无关的闭环：消费反馈得到的学习信号，在 Data、Harness、Model 上提出改动，交由验证器裁决，并将结果回流为下一轮信号。
Data、Harness、Model 从此开始能够被统一成同一 Kernel 的不同实例化算子，可组合、可统一调度，自我改进由此第一次拥有了统一、可复用的底层骨架。
△Loop Kernel 范式改进空间：RSI、Harness-RSI、Model-RSI
沿用同一个 Loop Kernel，自我改进在三个空间上展开，分别由 RSI、Harness-RSI、Model-RSI 三个算子承担并协同完成。
RSI：从自身运行轨迹提取学习信号，经校验用于合成数据交由下游消费，标定并放大模型正向能力与负向能力边界。
Harness-RSI：利用学习反馈信号，在 Harness 拆分出的 System Prompt、Skill、MCP、Tools、Memory 五个可插拔槽位上生成改进，做加法与减法。
Model-RSI：更新模型自身的参数与结构，把反复验证有效的行为内化进模型。
纵横之间：让改进自己找到最优路径
横轴（horizontal orchestration）编排算子的应用顺序：RSI ² Agent 在每个决策点根据信号反馈选定下一个算子，再把该算子有机衔接编排送入 RSI Loop Kernel 执行。
纵轴（vertical optimization）优化算子的内部策略：RSI ² Agent 向目标算子专属的 RSI ² Sub-Agent 下发指令，后者根据学习信号与环境反馈等改写算子本身的 RSI 规则，优化 RSI 系统本身。
递归之上的递归：三层改进与"元层"的诞生
整套架构由四个 Agent 协调运作，并且均能被人类专家局部替换形成 human-in-the-loop 系统。
MetaRSI ² Agent：学习如何进行合适的纵横优化，优化RSI ² Agent的策略学习。
RSI ² Agent：在每个决策点选择进行横轴（指定下一个算子）或纵轴（向 Sub-Agent 下发策略改写指令）优化。
RSI ² Sub-Agent：在纵向优化中，接受来自RSI ² Agent的执行指令，对算子内部的 RSI 策略进行调整。
Transition Agent：负责衔接横向编排中上游算子的产物与下一个算子对产物的消费。
四个 Agent 对应形成三个 RSI 优化 Level：算子改进目标系统，双轴编排改进算子用法，元层改进双轴编排策略本身。
实验：小模型与前沿模型均实现自我进化
实验沿两条路线展开：
小模型路线使用可训练的开源模型，Data、Harness、Model 三个算子全部启用；
前沿模型路线面向 Claude Opus 5，GPT-5.6 sol，Kimi K3 等顶级模型，这类模型参数巨大或为闭源模型，仅启用 Data 与 Harness 算子。
路线一：小模型的自我改进
元股证券:ygzq.hk目标模型为 Qwen3.5-35B-A3B（35B 总参、3B 激活），在 Terminal-Bench 2.1、SWE-bench Pro、GPQA-Diamond 高难度子集、AIME 四项基准上评测。
△MetaRSI 让 Qwen3.5-35B-A3B 实现自进化
MetaRSI-v1 平均提升 10.9 分，SWE-bench Pro解决率接近翻倍，Meta 层为 RSI 带来更高的天花板，连续自进化的累计增益提升显著。
△"改进改进者"，MetaRSI 让小模型累计自进化增益扩大路线二：前沿模型的自我改进
多款前沿模型在 Terminal-Bench 2.1 上平均提升 7.3 分，说明 MetaRSI 范式对前沿模型同样成立，旗舰模型同样留有可观的自我改进空间。
△六款前沿模型的自我改进五条定律：为"机器如何进步"立法
MetaRSI 梳理出两条互补的改进路线：Harness-RSI 保持权重不变，让自我改进覆盖任何可通过接口调用的模型；Model-RSI 通过训练把能力内化进模型。
且 MetaRSI 首次重新定义了 RSI，作为模型的能力边界探测与放大器，通过对执行轨迹与外界反馈 learning-signal 的联合分析得到经过验证的经验并 scale 为可复用的数据，并标定这些经验能够支撑到哪里，框定模型能力的正、负边界。
RSI 的产物同时供给 Harness-RSI 与 Model-RSI 消费，两条路线的改动结果又能够流回 RSI，重新标定能力边界、驱动下一轮，能力由此逐轮披露、累积。
在这一过程中，Harness 不仅能做加法还能做减法：RSI 放大暴露的问题经 Model-RSI 内化之后，原本吸纳在 Harness 中的知识会变成冗余，Harness-RSI 系统在回放校验下将其删除，能力留下，成本退场。
在此之上，MetaRSI 提炼出五条定律。
定律一：验证决定自我改进的前沿。
一个领域能不能形成自改进闭环，取决于该领域任务能否被检验，是否有合适的 verifier。
定律二：自我认知会过期，重新发现能力边界是速率瓶颈，RSI 改变 agent 能力，其原本旧的系统描述随即失效。
定律三：能力与载体无关但成本与载体有关。
例如同一项能力放在 Harness 里每次推理都要重付成本，内化进 Model 只需付一次，成熟循环能够持续把能力迁移到更便宜的载体。
定律四：可信度由不可写面度量。
在闭环内部，真正能力变强和放宽成功标准会得到完全相同的分数，而且这种偏差从内部无法察觉、也无法靠统计纠正。
定律五：循环不凭空创造能力，一切增益本质上都是外部信息熵的输入或能力的激发。
自改进只能重新组织、放大并固化模型已经具备的潜力。因此每次提升都要分清两部分：哪些是把已有能力放大出来的，哪些是真正从外部新引入的。
环环相扣，终成文明：让每个科学领域都拥有进化闭环
人类历史每一次的跃迁，都源于"生产答案的方式被重新发明"。
MetaRSI 要在 AI 时代把这件事再做一遍。
它背后的 CosmosMind 团队，是一支由清华 / 北大 / 斯坦福等海内外名校硕博、头部大厂基模核心组研究员、著名产业方领军人物组成的小而精的团队，长期从事大规模模型训练 /RSI/ 智能体 / 科学计算等工作，在顶会顶刊上发表过诸多有影响力的论文。
这一次，他们没有选择再做一个更大的模型，而是把全部精力押在了"改进改进本身"这件事上。
团队同步了开源 RSI-Harness，这是一个能自我学习、自我迭代的 Harness，并可以在使用中为不同科学领域与工程实践沉淀出可移植的Harness Genome。
Cosmosmind 已经把目光投向了闭环触碰物理世界：可编程仪器、自动化实验室成为执行器和验证器，仿真、台架实验、真实仪器可以像三级火箭一样逐级推进，把不可逆的昂贵操作放到最后——第一个在物理世界关上的进化循环，很可能不会出现在开放环境里，而会出现在自动化实验室中。
研究者面对的不再是一堆待验证的猜测。人类只需负责定义问题与价值判断，而机器负责让"从假设到验证"的循环，以过去无法想象的速度开始转动。
相信在 MetaRSI 的后时代，AI 将会从解题工具走向文明级的进化引擎。
Cosmomind 官网：https://cosmosmind.ai/
项目主页：https://github.com/CosmosMind-ai/RSI-Harness
配资界官网论文：https://www.cosmosmind.ai/research/metarsi-v1
arxiv：https://arxiv.org/abs/2609.06396
HuggingFace：https://huggingface.co/CosmosMind/RSI-Harness
* 本文系量子位获授权刊载，观点仅为原作者所有。
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
� � 点亮星标 � �
科技前沿进展每日见上海股票配资平台可靠吗
融资融券网提示：本文来自互联网，不代表本网站观点。
