一、引言
随着大模型代码生成、复杂推理和工具调用能力持续提升,人工智能正逐步参与模型训练、实验设计、系统优化等研发环节,人工智能的研发方式也随之发生变化。2026年以来,国内外模型企业陆续将AI用于自身研发,探索把任务执行和实验验证中形成的改进经验,用于后续模型与工具的更新。在这一背景下,递归自我改进(Recursive Self-Improvement,RSI)受到广泛关注,其关注点不仅是利用AI完成一次研发任务,更是让经过验证的有效经验得到保留,并进一步增强系统开展下一轮改进的能力。
自动试验和性能提升在传统机器学习中已有长期探索,RSI则进一步关注改进成果对后续改进能力的作用。相关技术研究正围绕模型参数、智能体运行框架和探索策略展开,应用探索逐步迈向模型研发、推理系统及行业模型等多个场景。如果系统能够在明确的目标和资源约束下,从执行结果中发现问题、验证修改,并将有效经验用于改善自身开展改进的方式,就有望减少重复试错,提高研发效率,推动人工智能研发从依赖单次优化向持续积累改进能力拓展。
同时,多轮自进化和持续学习并不必然意味着系统具备递归自我改进的能力,局部任务上的性能提升也不能直接等同于可迁移的能力增长。RSI的产业价值,既取决于改进是否反馈于系统自身、是否提高后续改进的有效性,也取决于收益能否在可控成本和独立验证条件下持续体现。因此,需要结合技术机制、应用条件和评测证据,辨析已有进展与现实约束,判断其对人工智能研发和产业应用的实际意义。
二、RSI技术加快演进,改进路径向模型、运行框架与探索策略拓展
从原理上看,传统机器学习通常依据预先设计的学习规则更新模型参数,以优化特定任务的表现。递归自我改进则强调人工智能系统利用任务执行和实验反馈,提出并验证对自身模型、运行框架或探索策略的修改,将有效改动保留下来,并由更新后的系统继续参与自身改进。“递归”的关键,在于改进对象包含“如何改进”本身,改进结果重新作用于实施改进的系统。近期,相关技术探索加快推进,但整体仍处于初期阶段,主要在人类设定的目标、预算和权限内开展,模型承担实验执行、故障诊断和方案调整等任务,研究人员负责确定方向和作出关键决策。围绕经验如何被保留和复用,当前技术探索主要涉及以下三条路径。
一是通过训练将执行经验写入模型参数。任务执行留下的操作步骤、返回结果和验证记录,可以经筛选后用于监督微调,也可转化为强化学习信号。这一路径通过改变模型内部能力,使部分执行经验通过参数更新得到保留,为跨会话复用提供基础,减少对外部运行框架的依赖。2026年9月,阿里巴巴公开说明Qwen3.8-Max相关研发流程在一个多月内完成33轮自动化迭代,并结合自动化训练优化与后训练技术完成模型更新。这一实践使自动化研发成果进入模型更新过程,为多轮改进中的经验继承提供了技术路径。同时,该路径面临训练与验证周期长、单次更新成本高,以及容易把特定任务的经验固化为模型偏置等问题。
二是通过自主修改运行框架改进智能体的执行方式。运行框架包括模型外部的提示、记忆、工具和控制流程,即使固定模型权重,也可根据执行结果调整优化。MiniMax公开的M2.7试验中,模型反复分析失败轨迹、修改运行框架,并根据评测结果决定保留或回退修改,该流程自主迭代超过100轮,优化后的框架在内部评测集上表现提升30%。在这一过程中,智能体的运行框架成为自我改进对象,模型通过调整自身使用工具和组织任务的方式积累改进收益。相较于模型训练,框架修改可省去参数训练环节,因而更适合高频迭代。
三是将探索策略作为可学习、可验证的优化对象。当候选改进方案较多、单次验证成本较高时,如何安排改进试验,会影响相同预算下能够取得的收益。自进化前序迭代积累的实验记录,可用于判断哪些方向值得继续探索、哪些方案需要复核,以及何时停止投入。系统可以利用已有的试验记录,回放不同策略在已探索路径上的选择,比较它们找到的方案质量与所需资源,再将筛选出的策略用于新一轮试验。随着新的结果不断积累,系统可以继续调整试验安排,提高发现有效改进的效率。这一路径进一步将优化对象从具体模型和执行流程,延伸至组织改进试验的方法本身。
三、面向RSI的应用探索在多个场景展开
当前,反馈驱动的优化与经验复用已在软件研发、科研探索、推理系统和行业业务等场景中展开实践,为RSI提供了应用基础。不同场景的改进对象与实施范围各有侧重,共同方向是利用任务反馈修订方法,并将经过验证的成果与经验用于后续任务和版本迭代。
软件研发通过技能迭代积累编程经验。编译、单元测试和回归测试能够为代码修改提供客观、成本相对较低且可重复检验的反馈,使软件研发成为RSI较早开展应用探索的场景。在华为云码道的单元测试生成实践中,智能体根据任务执行结果修改测试生成技能。在一项针对单个业务代码文件的试验中,使用迭代优化后技能生成的测试将分支覆盖率从33.8%提高至83.8%;在另一项抽取开源项目被测函数的对照试验中,自迭代技能与人工调优技能的效果相当。这一探索可进一步向代码缺陷修复、回归用例补充等任务延伸,将经过验证的排错步骤、测试策略和项目规则保留并复用于后续任务。
科研应用开始形成可重复调用的模型与工具成果。科研场景中的应用探索可从能够复算、仿真或开展基准比较的任务入手,科研智能体可根据使用中发现的误差和失败样本提出修改,并通过独立数据检验更新效果。2026年11月2日,腾讯混元Hyra成果仓库发布蛋白质序列设计模型HyInv和用于分子模拟的机器学习力场模型HyFF,并提供权重、代码和技术报告。这类实践把科研智能体的任务成果转化为其他研究者可调用、可检验的工具,也为后续基于使用反馈开展持续改进奠定了基础。
推理系统优化探索模型能力与工程经验的协同改进。据智谱2026年9月介绍,基于GLM-5.3的基础设施智能体利用数值测试、执行轨迹和性能分析提出优化方案,在由超过10万张国产AI加速卡组成的集群上,GLM-5.3-Flash从初始适配到具备生产上线条件用时不到两周,端到端吞吐量约为初始基线的3倍。该实践可视为面向递归自我改进的早期工程探索,工程师仍负责设定目标、搭建验证环境并审核关键改动。其能否进一步形成递归自我改进能力,取决于验证后的工程经验能否用于改善系统自身的问题诊断和方案生成过程,并在新的适配任务中持续发挥作用。
行业模型探索训练更新与业务策略迭代的衔接。行业场景与RSI的联系,在于智能体可以依据行业特定任务表现识别需要改进的环节,提出对训练数据、奖励规则或业务流程的调整,并将验证有效的修改保留到后续版本。2026年11月,度小满、港科大与香港生成式人工智能研发中心联合发布利用RSI技术的金融增强大模型,模型训练将信贷标准作业流程纳入奖励设计,智能体参与信贷业务中的风险策略迭代并实现根据环境动态自进化,使其策略迭代周期缩短一半以上,体现了自进化方法与专业业务流程相结合的应用潜力。
四、RSI发展仍面临迁移能力、验证质量与综合成本等挑战
一是跨任务持续改进面临既有能力退化的风险。针对特定任务优化形成的提示、工具调用顺序和验证规则,在其他任务中可能并不适用。随着修改不断累积,不同轮次保留下来的规则也可能发生冲突。2026年11月,清华大学研究团队通过固定基座模型并对智能体框架在多个任务中进行自进化的实验发现,智能体框架在功能开发任务数据集上进一步优化后,在原有代码修复任务数据集上的表现相对下降约66%。因此,持续自我改进的同时需要同步检查新任务的收益与既有任务的表现,并明确有效方案所依赖的任务和运行条件。
二是评价规则需要持续反映真实任务目标。系统改进会根据可获得的反馈选择保留哪些改动。若评价规则只覆盖容易测量的局部指标,多轮优化可能使这些指标持续改善,而完整任务的质量没有相应提升,甚至逐步放大指标与目标之间的偏离。若采用有偏差的反馈筛选训练数据或执行规则,还可能将偏差传递到下一轮。因此,需要将局部测试、完整任务验收和实际运行观察相结合,使评价反馈既能准确定位问题,也能检验最终效果。
三是综合投入影响持续改进的实际收益。自进化过程中的方案搜索、失败实验、训练更新和人工复核均会消耗实际资源,改进效果需要结合完整投入与预算约束进行评估。清华大学、智谱等机构2026年10月提出HarnessPro,将表现与执行成本共同纳入运行框架的递归优化,保留适合不同预算的候选方案,体现了对性能与成本协同优化的重视。面向产业部署,明确预算上限、完善隔离运行、变更留痕和版本回退机制,是开展递归自我改进的重要工程条件。
五、围绕真实增益与持续改进能力,完善RSI评测方法
科学可信的评测是RSI获得认可和推广的重要基础。RSI的核心价值,是让人工智能利用自身运行结果,在保持既有能力的前提下,持续改进并更善于开展后续改进。这种改进必须通过客观、统一、可复核的测试加以衡量,才能区分真实的能力进步与缺乏充分验证的性能数字。评测方法本身已成为RSI产业化的关键基础设施。对政府部门和社会公众而言,一套科学可信的评测方法,是判断技术是否成熟、成果是否可靠、投入是否值得的重要依据,也是支撑技术推广和产业协作的前提。
当前RSI评测仍面临结果难以比较、真实能力难以辨别、改进收益难以归因等突出问题。一是标准不一,不同机构使用的测试题目、评分口径和报告方式各不相同,成绩难以直接比较。二是存在测试数据泄露和评分偏差风险,部分测试可能与模型训练或迭代优化所用材料重叠,导致分数虚高却不能真实反映能力。三是只看最终分数、忽视改进过程和投入成本,难以判断成绩是来自能力提升,还是靠增加资源投入、反复试错偶然得到的结果。四是验证环节本身也可能成为被改进对象,被测系统可通过识别评测环境、读取评测代码中的参考实现等方式获得虚高成绩。这些问题会削弱评测结果的说服力,影响社会对技术价值的判断。
解决这些问题的方向,是让RSI评测更加科学、透明、可复核。一方面,应区分用于迭代优化的验证集与用于最终评价的独立测试集,将后者及其答案与训练、调优和候选方案筛选过程隔离,使用独立、隐藏的测试集检验真实能力,避免以已接触的题目替代对未知任务的检验;另一方面,要在相同资源预算下开展公平对照,把改进带来的提升与增加资源投入换来的提升区分开。同时,应记录测试条件、版本和计算方法,为第三方独立复核提供依据。只有让每一项改进都经得起检验,RSI的价值才能真正为社会所用。
六、以可验证的持续改进推动RSI技术与应用发展
展望下一阶段,RSI发展的关键,是检验局部任务中的有效修改能否进一步增强系统开展后续改进的能力。技术进展不仅体现为自动化迭代轮次增加,更应体现为更新后的系统能够在可控成本下更稳定地发现问题、提出方案并验证收益。围绕这一目标,RSI的技术研究、应用验证与评价方法需要形成相互支撑的发展路径。
一是技术研究将更加关注改进机制的有效性与经验继承。模型参数、运行框架和探索策略承载不同形式的经验,如何将有效更新用于后续改进,是重要研究方向。下一步需重点检验前序经验能否减少后续试错、改进方法能否在同等预算下带来更稳定的收益,以及学习新任务时能否保持既有能力,推动RSI从执行过程的优化走向改进能力本身的提升。
二是应用拓展将更加依赖明确反馈与完整收益核算。反馈可检验、结果可复现的任务,是RSI应用探索的现实起点。随着应用向复杂研发流程和行业业务延伸,需从单项指标评价转向完整任务验证,综合考察质量、效率、资源消耗及人工复核投入,检验多轮迭代能否产生稳定净收益,以及任务条件变化后能否持续有效。
三是评测与工程管理将逐步成为持续改进的基础支撑。RSI的评价需要覆盖版本间的任务能力变化与后续改进效果,将独立测试、同等预算对照、跨任务检验和版本追溯相衔接,并通过隔离运行与版本回退控制无效修改的影响,为识别真实进展、复核应用收益和积累可复用成果提供依据。
总体来看,递归自我改进正在推动产业界重新审视人工智能的研发方式。当前更具现实意义的方向,是将技术探索与可验证的产业价值衔接起来,推动有效改进持续积累。随着评测体系、基础设施和治理机制逐步完善,RSI相关探索有望成为人工智能研发体系升级的重要动力,并为产业应用发展带来新的创新空间。下一步,中国信息通信研究院将结合产业实践开展RSI评测研究,探索基于独立测试集在同等资源预算下开展多轮对照评测,重点检验改进收益的持续积累、既有能力的保持及成果的跨任务迁移,为技术验证和标准研制提供支撑。
作者简介
方正,中国信息通信研究院人工智能研究所工程师,博士。主要研究方向为人工智能、大模型基础理论、基准测试技术等,主要负责相关领域标准与研究报告编制、测试评估、课题研究等工作。
联系方式:
18800136671
fangzheng1@caict.ac.cn
韩旭,中国信息通信研究院人工智能研究所工程师,博士。长期从事人工智能技术和产业相关研究,主要研究方向为大模型技术原理和测试技术,参与多项人工智能标准制定工作和多篇人工智能相关研究报告编制工作,发表论文30余篇。
联系方式:
15201696937
hanxu5@caict.ac.cn
曹峰,中国信息通信研究院人工智能研究所平台与工程化部主任,高级工程师。中国通信标准化协会TC1WG1(互联网应用总体及人工智能工作组)组长,人工智能大模型与软硬件评测工业和信息化部重点实验室副主任。目前主要牵头可信AI人工智能评测标准体系和能力建设,牵头工程化能力等相关评估规范制定与评测等。

