MIT-IBM等牵头开源RSI实验平台，让更多人用AI自己做科研！

让AI自主研发AI，甚至找到超越人类原有方案的方法，是递归自我改进（RSI）的重要研究方向。

最近，MIT-IBM计算研究实验室与亚马逊A-EVO Lab共同牵头开源了 OpenRSI-Index，希望让更多研究者参与AI自主科研，不必从零搭建整套实验基础设施。

项目顾问阵容包括滑铁卢大学的陈文虎（Wenhu Chen）、斯坦福大学的 Yejin Choi、华盛顿大学的 Pang Wei Koh 和 Luke Zettlemoyer，以及加州大学伯克利分校的 Dawn Song 等知名学者。

通过OpenRSI-Index，研究者只需提供一个研究想法或现有开源项目，Agent就能协助搭建实验任务，再自主修改代码、运行实验、分析结果，并根据反馈不断调整方案。每次提交都会经过独立评测，实验日志和运行轨迹也会被记录，以便研究者检查和复现。

OpenRSI-Index是一套围绕科研任务构建、运行和评测的基础设施。包含三个部分：

（1）RSI-Anything，把想法变成实验任务

RSI-Anything是整个项目的任务贡献流程。

研究者可以选择自己参与开发的开源项目，也可以选择一个自己熟悉的领域中的代表性开源项目。随后，使用Codex或Claude Code等Agent，按照项目提供的proposal-agent技能，逐步明确研究问题、基线、评价方法、允许修改的范围和计算预算。

例如，研究者想研究某种训练策略能否提高模型性能。Agent需要帮助明确：使用哪个模型和数据集？原始训练方案是什么？允许修改哪些文件？通过什么指标判断效果？训练最多使用多少GPU资源？

这些信息将形成任务提案，并进入GitHub Discussions。提案经过检查后，系统继续构建任务环境。

（2）OpenRSI-Index，建立真实的AI科研考场

OpenRSI-Index是整个项目的核心评测基准，收录可以运行的研究任务，每项任务都需要明确研究目标、原始方案、资源预算以及验证方式。

它覆盖的范围不仅是大语言模型，还包括视觉模型、数据处理、训练系统、推理优化和机器人等领域。

（3）RSI-Harness，让Agent反复试验并接受检验

RSI-Harness是负责执行科研任务的运行框架，支持Harbor格式的任务，可以从单机Docker环境扩展到多节点集群。

一次实验开始时，Harness会检查任务配置和所需资源，然后为Agent准备独立的工作环境。Agent可以读取代码、修改允许编辑的文件、运行实验，并根据过程中的反馈继续调整方案。

当Agent提交一个候选结果时，Harness会保存对应的工作快照，再交给独立的评测环境进行检查。系统根据预先设定的验证规则计算分数，Agent随后可以参考反馈继续改进。

这里最关键的设计是把Agent工作的区域与评测机制分开。如果Agent能够随意修改评分程序，就可能通过钻评测漏洞获得高分，而不是真正提高模型能力。

因此，任务需要明确哪些内容可以修改、哪些变量必须固定，以及哪些违规情况会导致结果无效。

Harness还会记录实验轨迹、配置和日志，让研究者不仅能看到最后的分数，也能检查Agent到底做了什么。

（1）克隆仓库

git clone https://github.com/OpenRSI-Foundation/OpenRSI-Index.gitcd OpenRSI-Index

（2）启动coding Agent

在新会话中输入：

Use the proposal-agent skill at .agents/skills/proposal-agent/SKILL.md in my local OpenRSI-Index repository. Locate the repository if needed, then follow the skill to complete setup and guide me step by step through creating and submitting an RSI proposal.

Agent会根据技能文件引导用户定义任务目标、基线、评测标准、资源预算，并协助生成提案。

检查提案后，确认由Agent提交到GitHub Discussions。

此外，除了开放代码和科研任务，OpenRSI还在面向全球研究社区招募 Collaborators和 Domain Leads，希望共同扩充RSI实验基准。