大数跨境
首页
>
3万个Agent 进行自我迭代，26% AI研发已由Claude主导：RSI 走向落地、AI 开始制造下一代 AI
>

3万个Agent 进行自我迭代，26% AI研发已由Claude主导：RSI 走向落地、AI 开始制造下一代 AI

3万个Agent 进行自我迭代，26% AI研发已由Claude主导：RSI 走向落地、AI 开始制造下一代 AI AI科技大本营
2026-09-18
1
导读：RSI突然进入快车道
责编 | 梦依丹
出品 | CSDN（ID：CSDNnews）
2026 年，RSI（Recursive Self-Improvement，递归自我改进）已成为 AI 领域的核心关键词。从概念走向量化，AI 正从“被研发的对象”转变为“研发下一代 AI 的主体”。

Anthropic 数据揭秘：26% 研发由 Claude 主导

Anthropic 最新内部数据显示，截至 2026 年 8 月，Claude 已主导其 26% 的 AI 研发工作，90% 以上的任务进入"AI 协作”阶段。在其内部平台上，约有 3 万个 Agent 同时参与研究与工程工作。
为量化这一进程，Anthropic 构建了"R&D Automation Index"，旨在衡量 AI 参与构建下一代 AI 的程度。官方指出，只有将过程量化，才能清晰判断距离真正的 RSI 还有多远。过去 RSI 仅是未来概念，如今已具备可测量的进度条。
全球范围内，OpenAI、Google DeepMind 以及国内的智谱、DeepSeek、月之暗面、阿里等团队，正沿着 Fully Self-Training、强化学习、Agentic Scaling 等不同路径，推动 AI 从完成任务向持续获得经验并自我进化演进。

大模型技术：从 Agentic Scaling 到 RSI

在此背景下，2026 奇点智能技术大会特别设置「大模型技术：从 Agentic Scaling 到 RSI」专题，邀请来自 OpenAI、腾讯、面壁智能、高校及开源社区的一线专家，深度拆解从 Agentic Scaling 到强化学习、数据飞轮及 Agent 自进化的技术链路。

俞扬：没有强化学习，就很难谈真正的持续进化

南京大学人工智能学院副院长俞扬将分享《大模型强化学习》。他指出，若 RSI 是"AI 持续变强”的目标，强化学习则是关键底座。DeepSeek R1 之后，行业共识表明：当 Reward、环境和探索机制设计得当时，模型可在反馈中发展出新推理策略，而非仅依赖人工数据。如何设计 Reward、Scale 探索机制以及区分新能力学习与旧策略优化，是从 RL 走向 RSI 的核心挑战。

李宇轩：AI 不只“帮助研发”，而是开始直接“制造 AI"

面壁智能技术合伙人李宇轩提出《AI 制造 AI：从五级演进框架到 AI Infra 的自主生成》。他构建了从辅助建议到自主探索的五级演进框架，并倡导“锻造工程”：让 AI 针对具体需求生成专用实现，而非追求通用覆盖。目前，该方案已用于训练框架、算子库和推理内核的生成与优化，标志着 AI 开始参与建设支撑自身运行的基础设施，触及 RSI 核心。

张俊林：到底什么才算 RSI？哪些只是“看起来像自进化”？

新浪微博首席科学家张俊林将在《AI 自我迭代改进（RSI）：方法、实践及其局限》中梳理方法与边界。他强调需厘清 Self-Refine、Memory 自动更新与真正获得新能力的区别，并探讨在模型自生成数据、自评测、自训练过程中如何避免错误放大。其分享重点在于辨析 RSI 的实质及其当前局限。

董汉德：自进化真正进入产品，要先跑通“用户—数据—模型”飞轮

腾讯 WorkBuddy 模型研发负责人董汉德将分享《LLM Agent 的模型数据飞轮》。随着 Agent 规模化应用，大量交互轨迹成为宝贵数据。难点在于如何将产品经验转化为有效训练信号。WorkBuddy 正尝试跑通“用户→数据→模型→产品→新数据”的持续学习闭环，这可能是 RSI 最现实且最先大规模落地的形态。

郑耀威：不重新训练大模型，Harness 能不能先自己进化？

PenguinHarness、LlamaFactory 作者郑耀威提出《低成本、高收益的自进化 Agent 闭环构建实践》。他主张在不频繁重训大模型的前提下，通过“数据生成→多智能体评估→Harness 自动迭代→Benchmark 验证”的闭环实现系统进化。实验显示，该方法使平均准确率提升 18.8%，Token 成本降低 7.5%。这意味着 Prompt、Workflow 乃至整个 Harness 均可率先成为 AI 自我改进的对象。

陈秋远：Coding Agent 在 RSI 上的实践

腾讯 CodeBuddy & WorkBuddy 高级研究员陈秋远负责 Coding Agent 的 RSI 方向。代码世界拥有编译、测试、Bug 修复等天然可验证反馈，使 Coding Agent 成为探索 RSI 的理想场景。Agent 可通过执行、观察、分析失败、修正策略的循环，实现从“一次写对”到“持续学习优化”的跨越。

2026 奇点智能技术大会：聚焦 AI 落地真问题

RSI 仅是技术变革的一条主线。当前技术团队更关注具体问题：Agent 如何进入生产？AI Coding 如何演变为研发系统？世界模型如何跨越因果鸿沟？AI Infra 如何支撑复杂智能体运行？
2026 奇点智能技术大会将于 11 月 20—21 日在北京万达文华酒店举行。大会汇聚 70+ 一线研究者与技术专家，设立 18 大前沿技术专题，涵盖大模型自进化、Agent、AI 原生软件研发、多模态与世界模型、Physical AI、AI Infra 及企业级 AI 落地等方向。
大会不仅关注模型榜单刷新，更聚焦能力进入系统后的训练、评测、反馈闭环、成本控制及业务落地。对于关注 AI 从“能力跃迁”走向“系统落地”的从业者，这将是一场深度交流实战经验的盛会。
官方网站：www.ml-summit.org
购票热线：400-821-5876
购票咨询：service@boolan.com
企业合作：partner@boolan.com
演讲申请：hemiao@csdn.net
媒体联系：media@boolan.com
【声明】内容源于网络
0
0
AI科技大本营
为AI领域从业者提供人工智能领域热点报道和海量重磅访谈;面向技术人员，提供AI技术领域前沿研究进展和技术成长路线;面向垂直企业，实现行业应用与技术创新的对接。全方位触及人工智能时代，连接AI技术的创造者和使用者。
内容 7118
粉丝 0
AI科技大本营 为AI领域从业者提供人工智能领域热点报道和海量重磅访谈;面向技术人员，提供AI技术领域前沿研究进展和技术成长路线;面向垂直企业，实现行业应用与技术创新的对接。全方位触及人工智能时代，连接AI技术的创造者和使用者。
总阅读158.3k
粉丝0
内容7.1k