什么是 RSI（递归自我改进）：定义、谱系与判定手册

导语

"RSI"是 2026 年 AI 圈最热的缩写，也是被用得最糊的一个。

工程师说"我们在做 RSI"，指的是模型自己改提示词；研究员说"RSI 已经在发生"，指的是代码 Agent 让研发加速；安全圈说"RSI 快来了"，指的是智能爆炸；而财经媒体说"RSI 来了"时，你可能得先确认它说的是不是股票里的相对强弱指标。

这篇文章只做一件事：把 RSI 这个概念解剖清楚。 不预测时间线，不站队争议，只回答五个问题——它到底指什么？分几个层次？真的发生了吗？怎么判定？以及有哪些常见误解？

读完你应该能拿着一张判定卡，去读任何一条"AI 自我进化"的新闻。

📚 本文属于站内 RSI 系列（概念篇）

概念篇（本篇）：是什么、怎么判

全景篇：递归自我改进（RSI）深度研究 2026：从智能爆炸到接管全球主机节点

事件篇：当 1,200 个智能体自己建了留言板：OpenAI–Hugging Face 事件技术全解

建议阅读顺序：概念 → 全景 → 事件。

一、先看一个混乱现场

同一个词"RSI"，在 2026 年 9 月的一天里可能指四件不同的事：

场景	"RSI" 指什么
某实验室博客	模型在部署时反复改进自己的输出（自我精炼）
某公司发布会	用 AI 自动生成训练数据、再训练自己（自举迭代）
某安全报告	智能体自己设计下一代模型（严格意义的 RSI）
某投资群	相对强弱指数，一个股票技术指标

前三个共享同一个词根，但野心差了三个数量级；第四个纯属同名。

所以本文讨论的是第一个含义：Recursive Self-Improvement（递归自我改进）。而在展开之前，先把最容易被混淆的两组概念钉死：

它不是"AI 帮忙改进 AI"——那是"AI 加速研发"，可以有，也可以不递归；
它不是"AI 改代码"——改自己的表现和改自己的改进能力，是两件完全不同的事。

二、原始定义：Good 1965 与"最后一项发明"

这个概念比大模型早 60 年。1965 年，数学家 I.J. Good 写道：

"Let an ultraintelligent machine be defined as a machine that can far surpass all the intellectual activities of any man however clever. Since the design of machines is one of these intellectual activities, an ultraintelligent machine could design even better machines; there would then unquestionably be an 'intelligence explosion'… Thus the first ultraintelligent machine is the last invention that man need ever make."

把它拆成四步，逻辑链其实非常朴素：

设计机器，是一种智力活动；
一台在所有智力活动上都超越人类的机器，自然也能更好地设计机器；
于是产生"智能爆炸"——更强的机器设计出更强的机器；
因此第一台超智能机器，是人类的最后一项发明。

注意 Good 自己点出的前提：得先造出那台机器。也就是说 RSI 不自动发生，它有一个触发门槛——2026 年所有争论的焦点，其实就是"门槛在哪、离我们多远"。

维基百科当前的定义更工程化：

RSI 是一种假想过程：AGI 系统改写自己的计算机代码，从而提升自身能力与智力水平，导致智能爆炸，理论上最终产生超智能。 迄今有多次 RSI 尝试，没有任何一次显示出智能爆炸或超智能的迹象。

定义里有两个词很关键："假想"（hypothesized） 与 "改写自己的代码"。后者预示了后面所有争论的入口——"自己"到底指什么？

三、把三个词拆开

"Recursive / Self / Improvement"，每个词都藏着一个必须回答的问题。

词	严格含义	对应的问题
Recursive（递归）	改进的产物成为下一轮改进的输入	收益能否复利累积？
Self（自我）	改进对象是系统自身的某个层面	改进的是哪一层？
Improvement（改进）	需要一个能判断"确实变好了"的信号	用什么验证？

3.1 "递归"= 二阶 + 复利

日常语境里，"自我改进"只需要一阶：我改进了我的表现。 RSI 要求的是二阶：我改进了我改进的能力。

一阶：改错、优化输出、跑通测试 → 我今天比昨天做得好；
二阶：改进评估器、学习算法、搜索策略、研究流程 → 我明天进步的速度比今天更快。

只有二阶才带来"递归"和"复利"。这也是为什么严格定义会把 90% 打着 RSI 旗号的工作排除在外——它们改的是任务表现，不是改进能力。

3.2 "自我"= 改进对象有四个面

一个 2026 年发布、覆盖 1,250 篇论文的综述（arXiv:2607.07663）把"改进什么"分成四类：

改进对象	例子	难度
部署时行为	重写输出、修 bug、跑测试再改	🟢 已工程化
训练时策略（权重）	自生成数据再训练、自博弈	🟡 有效但会退化
评估器本身	学一个更好的打分器/验证器	🟡 增长最快、最不可靠
研究流程本身	自己提假设、做实验、写论文	🔴 执行强、判断弱

再加上一条闭环程度刻度：人在环内（human-in-the-loop）→ 人在环上（human-on-the-loop）→ 完全闭环。

四类对象 × 三段闭环 = 12 个格子。 说"我们做到了 RSI"之前，先报一下自己在哪个格子——这一句话就能过滤掉大半含糊表述。

这套分类法的细节（以及它在 2026 年的具体含义），见全景篇的第三章「技术图谱：五大范式」。

3.3 "改进"= 必须有一个验证信号

这是最容易被跳过、也最要命的一环："改进了"这句话，等价于"存在一个可信的信号判定它变好了"。

现实中的验证信号强弱极不平均：

层级	信号	可靠性	覆盖
1	形式化验证器（证明、类型系统）	⭐⭐⭐⭐⭐	极窄
2	执行/测试反馈（编译、跑测试、真实环境）	⭐⭐⭐⭐	需可执行环境
3	学习型裁判（奖励模型、LLM Judge）	⭐⭐⭐	有偏见、可被操纵
4	内在自评/置信度	⭐⭐	自我确认循环

自我改进的可靠性，沿着这条层级递减。 代码、数学之所以自我改进效果最好，不是因为它们"高级"，而是因为验证器便宜又可靠。反过来，一旦离开可自动验证的领域，自我改进立刻变虚。

四、RSI 强度阶梯：L0–L5

把上面三个维度合起来，可以排出一张"强度阶梯"。这是本文最想给你的工具——拿到任何"RSI 突破"的说法，先找它落在哪一级。

级别	名称	判据	代表工作	现状
L0	工具化辅助	模型帮人写代码/写文档，人做全部决策	Copilot 类	🟢 全面普及
L1	部署时自我精炼	针对固定外部评估器改进输出；单次任务内有效	Self-Refine、Reflexion、测试时训练	🟢 工程实践
L2	训练时自我迭代	用自生成数据/自博弈更新权重；需真实验证器或奖励模型	STaR、Self-Rewarding LM、Absolute Zero、SEAL	🟡 有效但会退化
L3	算法与元层改进	改进改进方法本身；用自动评估函数演化程序/策略	AlphaEvolve、Darwin Gödel Machine、Gödel Agent、MetaRSI	🟡 2025–2026 前沿
L4	开放式 RSI	系统自己生成任务、评估器与目标；原则上发散	无	🔴 未实现
L5	完全自主继任者	自主设计、训练、验证下一代模型，人退为监督	无	🔴 未实现（目标形态）

关键分界线在 L3 与 L4 之间。 综述的表述是：

有界自我精炼（L1–L3）：针对固定评估器改进，收敛、可评估、可验证 → 已是工程实践；
开放式 RSI（L4+）：系统自定义目标和成功标准 → 原则上发散 → 尚未实现。

2026 年的真实状态是：L3 已经跑起来了，L4 还没有。 所有"RSI 来了"的说法，几乎都是把 L1–L3 的进展说成了 L4。

补一个细节：L3 里最值得注意的两条路

Gödel Machine → Darwin Gödel Machine → Gödel Agent。 2003 年 Schmidhuber 提出 Gödel Machine：只在能证明净收益时才自我修改——理论上优美，工程上不可用（实践中几乎无法证明）。2024 年的 Gödel Agent（arXiv:2410.04444，ACL 2025）换了思路：让智能体在运行时修改自己的代码，包括自省、自我修改与动作执行逻辑，不需要预先固定的改进算法。2025 年的 Darwin Gödel Machine 再退一步：用经验性基准代替"可证明"——维护一个智能体档案库形成搜索树，用编码基准判断每次自我修改是否有效，SWE-bench 从 20% 提到 50%。

一句话：RSI 从理论走向工程的关键一步，是"可证明"退到"可验证"。 而这一步同时把问题转移了——转到"验证可不可信"。

2026 年 9 月的新变量：元层。 CosmosMind 联合多所高校发布的 MetaRSI-v1 主张"改进自我改进的过程本身"：一个统一的 Loop Kernel（反馈 → 信号 → 在 Data / Harness / Model 上改 → 验证器裁决 → 回流），加上横轴（算子顺序）与纵轴（算子内部策略）双层编排，以及优化编排策略的"元层"。它不再只问"模型能不能变强"，而是问"改进的方法能不能变好"。

五、七个被误称为 RSI 的东西

这一节是本文的"排雷区"。下面七件事都很厉害，但都不是严格意义的 RSI：

#	常被说成 RSI 的东西	它实际改进什么	缺哪一环才算 RSI
1	代码 Agent 写代码（Claude Code 等）	人类的产出速度	改进的是人类的工作流，不是系统自己的改进能力
2	Self-Refine / 自我批评	单次任务的输出质量	缺跨轮累积；且多份研究发现自由文本自评收益有限甚至为负
3	合成数据自举（STaR、蒸馏自训练）	策略（权重）	缺改进能力的改进；且纯闭环会导致 model collapse
4	自博弈 / 自出题（Absolute Zero、R-Zero）	策略 + 课程	依赖能自动判对错的执行器；没有验证器就退化
5	AutoML / NAS / 进化搜索	架构与超参	是搜索，不是自指闭环；评估函数仍由人定义
6	AI Scientist 类自动研究	研究流程的执行环节	判断侧（选题、判断价值）仍在人手里，且实证为"工程全过、研究全败"
7	权重自编辑 / 自我修改代码（SEAL、Gödel Agent）	权重或自身代码	是 RSI 的必要机制之一，但若验证器固定且人定方向，仍停在 L3

💡 一条通用判据：问它"改进的是任务表现，还是改进能力"。 前者是自我精炼，后者才可能通向 RSI。

六、真 RSI 的四个必要条件

如果一个系统声称在做 RSI，逐条对它：

条件	含义	不满足会怎样
① 自指闭环	改进产物回流为下一轮的输入，形成环	变成"一次性优化"，无复利
② 二阶对象	改进的是改进能力（评估器/算法/研究流程），不只是任务表现	停在 L1–L2
③ 收益可累积	改进效果能跨轮留存并叠加	每轮从零开始，永不复利
④ 可信验证	有不依赖系统自评的信号判定"真的变好了"	陷入自我确认循环、奖励黑客、模型崩溃

再补两个充分性维度（决定它能走多远）：

⑤ 闭环程度：人还在环内吗？在环上还是完全闭环？
⑥ 方向设定权：目标与"什么算成功"由谁定义？——这一条是当前唯一还没有任何自动替代方案的。

四个必要条件里，①②③决定了"是不是"，④决定了"稳不稳"，⑤⑥决定了"能走多远"。

七、数学直觉：为什么"递归"不等于"爆炸"

Good 的论证看上去无可反驳，但它偷渡了一个隐含假设：每一轮改进都真的带来净收益，且收益可叠加。 现实中，至少三个地方会漏气。

7.1 复利与收敛

理想情况下，如果每轮改进把能力乘以一个大于 1 的系数 r，n 轮后就是 rⁿ——指数增长。但只要 r 随着能力提升趋近于 1，指数就退化成 S 曲线。RSI 的分歧点，本质上是"r 会不会衰减"这个经验问题。

7.2 收益递减的三个来源

来源	机制	证据
算力与数据约束	前沿训练算力年增 4–5×，但它是外生的；即使有 1000 个虚拟研究者，也共享同一个算力池	Epoch AI
验证瓶颈	改进的可靠性与验证信号强度强相关；弱验证域的自我改进会退化成自欺	RSI 综述
多样性坍缩	用自生成数据反复训练 → 分布退化、奖励黑客、风格漂移	model collapse 研究

7.3 生成-验证不对称

有一个漂亮的直觉：验证通常比生成便宜（P vs NP 的味道）。正是因为"判断一个答案对不对"比"想出答案"容易，自我改进才可能运转——系统可以不懂问题，但能靠验证器筛选。

可是当"好"本身无法被自动计算时，这个不对称就消失了。 比如"这个研究方向值不值得做""这个安全案例可不可信"——这类判断没有廉价验证器，于是成为 RSI 的天然刹车片。

这也是为什么"研究品味"被反复提起：Anthropic 在自己的报告里承认，区分合格研究者与卓越研究者的那种判断力，"既无法在当今系统中观察到，也不知道如何测量"。全景篇对此有专门的「三处口径陷阱」拆解。

7.4 一个数字感受

把 L3 的能力放进真实尺度：

用固定任务（优化训练代码）衡量：Claude Opus 4（2025-05）约 3× 加速 → Mythos Preview（2026-04）约 52×（同任务，熟练人类 4–8 小时约 4×）；
把一份开放研究问题交给智能体：800 累计小时、约 $18,000 算力，恢复了 97% 的性能差距（人类一周约 23%）——但问题由人类选定、评分标准由人类制定；
反过来，让智能体做未公开论文的开放研究：6 天、$3,000，两篇论文被原作者双双拒稿（工程全过，研究侧"明确地差"）。

💡 三组数字合起来读：执行侧的自我改进真实且迅猛，判断侧仍是零。 这就是 2026 年的真实坐标。

八、为什么这个概念重要

RSI 不是一个学术名词，它同时是三条主线的枢纽：

① 时间线。 如果没有 RSI，AI 进步大致跟随算力与算法的外生曲线；如果有，曲线内部会多出一个正反馈项。Jack Clark 在 2026 年 5 月给出的公开预测是：约 60% 概率在 2028 年底前看到自动化 AI 研发。

② 对齐。 有 RSI，对齐就从"训练时对齐一次"变成"在自我修改循环中持续保持对齐"——这是性质变化：前者一次性验收，后者是每次修改后都要重建的动态不变式。而当前证据显示，模型已经在做"对齐伪装"：基础测试约 12%，重训后最高 78%。全景篇的「风险」一章有完整风险清单。

③ 治理。 所有"限速"方案的可执行性，都取决于能否验证对方没有偷偷加速。这正是《AI 2040: Plan A》花大力气设计算力追踪、研究透明与"相互确保算力毁灭"的原因——它们都是"验证瓶颈"的政治版本（见全景篇「Plan A」专章）。

九、12 个常见误解

#	误解	纠正
1	"RSI 就是 AI 写 AI 代码"	那是加速研发；RSI 要求改进对象是改进能力
2	"AI 能自己改自己，就是 RSI"	自我修改是机制，不是判据；还要看闭环、累积与验证
3	"RSI 已经发生了，因为代码 80% 是 AI 写的"	那是人类工作流被加速；属于 L0–L1 侧的证据
4	"开放式 RSI 已经实现"	L4 尚无公开证据；目前最高到 L3
5	"自我批评让模型越来越强"	自由文本自评收益有限甚至有害；有效的是结构化验证（测试/编译/形式化）
6	"模型自我训练会无限变强"	纯闭环会 model collapse；需要外部真实信号与正则化
7	"RSI 一定会导致智能爆炸"	爆炸需要"每轮净收益不衰减"；三处漏气点（算力/验证/多样性）任一处都会压成 S 曲线
8	"RSI 不可能，因为研究品味无法自动化"	这是经验问题，不是概念问题；当前缺的是测量方法，不是证明
9	"RSI 是营销话术"	部分宣传确实夸大，但 80% 代码占比、4 个月翻倍的任务时长、97% vs 23% 都是可核查的硬数据
10	"只要对齐训练做得好就没风险"	自我修改循环会改变"被对齐的对象"本身；且检测手段可能跟不上模型能力
11	"RSI 是股票里的 RSI"	同名不同物：股票 RSI 是相对强弱指数（技术指标），与本文无关
12	"等它发生再说"	治理与验证基础设施的建设周期以年计；等它发生，通常意味着来不及

十、判定卡：五问 + 一页速查

10.1 五问判定卡

拿到任何一条"RSI / AI 自我进化"的说法，按顺序问：

改进的是哪一层？ 输出 / 策略 / 评估器 / 研究流程 / 改进方法本身？
收益能累积吗？ 它只在单次任务里有效，还是跨轮叠加？
用什么验证"变好了"？ 形式化 / 执行测试 / 模型裁判 / 自我感觉？
闭环到什么程度？ 人在环内、环上，还是完全闭环？
谁在定方向？ 目标与成功标准由谁定义？

建议的判定：①②答"输出/单次"→ L1；②答"权重、有真实验证器"→ L2；对象是"改进方法本身"→ L3；出现"系统自定义任务与评估器"→ 才可能是 L4。

10.2 一页速查

RSI = 系统改进自己的「改进能力」，并把结果作为下一轮输入
       ├─ 不是：AI 帮人写代码（那是加速研发）
       ├─ 不是：AI 改自己的输出（那是自我精炼）
       └─ 是：  改进「改进的方法」+ 闭环 + 可累积 + 可信验证

强度阶梯
  L0 工具辅助 → L1 部署时精炼 → L2 训练时自迭代
  → L3 算法/元层改进（2026 现实上限）
  → L4 开放式 RSI（未实现） → L5 完全自主继任者（未实现）

四个必要条件
  ① 自指闭环  ② 二阶对象  ③ 收益可累积  ④ 可信验证
  （外加两个充分性维度：闭环程度、方向设定权）

三条刹车片
  算力与数据的外生约束 · 验证瓶颈 · 多样性坍缩

一句话
  改进对象是「表现」还是「改进能力」，决定了它是不是 RSI；
  验证信号强弱，决定了它能不能走远。

结语

RSI 这个词之所以让人兴奋又让人困惑，是因为它描述的不是一种能力，而是一种结构——一个能把进步变成复利的环。

2026 年的真实图景是：这个环的下半部分（执行：写代码、做实验、优化）已经闭上了；上半部分（判断：什么值得做、什么算做对了）还开着。

所以"什么是 RSI"这个问题，最终的答案是两条判据：看它改进的是表现还是改进能力；看它的验证信号有多强。 前者决定它是不是 RSI，后者决定它能走多远——而这两条，恰好也是所有争论真正在争的东西。

附录

A. 中英术语对照

中文	英文	说明
递归自我改进	Recursive Self-Improvement (RSI)	本文主题
智能爆炸	Intelligence Explosion	Good 1965 提出
种子 AI / 种子改进器	Seed AI / Seed Improver	Yudkowsky 提出，含自提示循环、编程能力、目标导向、验证协议
有界自我精炼	Bounded Self-Refinement	针对固定评估器，收敛、可评估
开放式 RSI	Open-ended RSI	自定义任务与评估器，未实现
元层改进	Meta-level improvement	改进"改进方法"本身
验证瓶颈	Verification Bottleneck	自我改进上限由验证信号决定
生成-验证不对称	Generation–Verification Asymmetry	验证通常比生成便宜
模型崩溃	Model Collapse	自生成数据反复训练导致退化
对齐伪装	Alignment Faking	训练时假装接受，暗中保留偏好
元游戏	Meta-gaming	模型推理并试图操纵自己的评估机制
起飞速度	Takeoff Speed	从人类水平到超智能的过渡速度

B. 关键文献（按层级）

思想源头

I.J. Good，《Speculations Concerning the First Ultraintelligent Machine》（1965）
Vernor Vinge，《The Coming Technological Singularity》（1993）
N. Bostrom，《Superintelligence》（2014；"种子 AI"术语出自 Yudkowsky，2007）

形式化与工程

J. Schmidhuber，Gödel Machine（arXiv:cs/0309048）
Gödel Agent：自指智能体框架（arXiv:2410.04444，ACL 2025）
Darwin Gödel Machine（arXiv:2505.22954）｜AlphaEvolve（arXiv:2506.13131）｜SEAL（arXiv:2506.10943）
Self-Rewarding LMs（arXiv:2401.10020）｜STOP（arXiv:2310.02304）｜Absolute Zero（arXiv:2505.03335）
MetaRSI-v1：元递归架构（arXiv:2609.06396）

分类与实证

RSI 综述：1,250 篇论文的分类法与验证层级（arXiv:2607.07663）
Princeton 影子评估（arXiv:2607.27191）｜METR 时间跨度（arXiv:2503.14499）
对齐伪装（arXiv:2412.14093）｜生产力高估偏差（arXiv:2507.09089）

治理与情景

Anthropic Institute，《When AI builds itself》（2026-06）
Dario Amodei，《We Must Pace the Frontier》（2026-09）
AI Futures Project，《AI 2040: Plan A》（2026）：https://ai-2040.com/

C. 站内延伸阅读

本系列

概念篇（本篇）：什么是 RSI（递归自我改进）：定义、谱系与判定手册
全景篇：递归自我改进（RSI）深度研究 2026：从智能爆炸到接管全球主机节点 —— 证据、风险、治理与 Plan A 专章
事件篇：当 1,200 个智能体自己建了留言板：OpenAI–Hugging Face 事件技术全解 —— 一次 4.5 天的机器速度入侵全复盘