搜索
2026年，Recursive Self-Improvement（RSI，递归式自我改进）开始从论文中的长期命题，变成了AI产业议程上一个新的赛道。学术界开始把RSI从分散研究方向变成一个独立议题。4月，ICLR首次为Recursive Self-Improvement（RSI，递归式自我改进）单独办了一场Workshop。
RSI（Recursive Self-Improvement，递归自我改进）正在成为人工智能领域最受瞩目的前沿方向。
RSI（Recursive Self-Improvement，递归自我改进）是今年 AI 创业里最密集的一个方向。如果说RSI 最严格的定义，只有一句话：AI 改进“制造下一代 AI”的方法，下一代继承了这个改进，于是能做出更好的下下代。
AI竞争的焦点，变了。
过去两年，self-reflection、self-correction、self-play、agentic RL、skill learning、test-time adaptation、open-ended evolution、self-evolving agent等概念不断涌现。
由上海交大人工智能学院、深势科技、上海算法创新研究院组成的无尽前沿团队发布BigBang-V1——这是首个基于recursive self-improving原生方式训练出的基座模型。
近日来自南京大学模式识别实验室（PRLab）的梁嘉骏、廖宇程，在司晨阳教授的指导下，联合新加坡南洋理工大学、英国帝国理工学院，提出连续扩散语言模型 AURORA-LM（Autoencoding Unified Representation for Continuous-Latent Diffusion Language Modeling），对连续空间下的语言建模作出了更多的思考和发现。
斯坦福最近公开了一门课的录像，叫 CS329A，主题是 Self-Improving AI Agents（自我改进的 AI agent）。两位主讲教授，Aakanksha Chowdhery 和 Azalia Mirhoseini，都有极深的工业背景。Aakanksha 曾是 Google 540B 参数 PaLM 模型的技术负责人，也参与了 Gemini 的研发
JEPA世界模型的底层是Yann LeCun自2017年起持续倡导的自监督学习（Self-Supervised Learning, SSL）。
我们想强调的是：智能体 “跑得久”，并不等于 “具备长程能力”。真正的关键，不在于占用更多时间与算力，而在于能否在更长、更复杂、更真实的推理依赖链上持续、有效地行动。长期以来，Autonomous Agent、Self-Evolving Agent 等概念常与长程智能体混用。