引言
随着大模型在代码生成、复杂推理及工具调用能力的持续提升,人工智能正深度参与模型训练、实验设计与系统优化等研发环节。2026年以来,国内外企业纷纷探索将AI应用于自身研发,通过保留任务执行与实验验证中的有效经验,增强系统后续改进能力,这一趋势使得递归自我改进(Recursive Self-Improvement,RSI)备受关注。
RSI不仅关注单次任务的完成,更强调改进经验的积累与复用,旨在减少重复试错,推动AI研发从依赖单次优化向持续积累改进能力转变。然而,多轮自进化并不等同于具备真正的递归自我改进能力,其产业价值取决于改进是否反馈于系统自身、能否在可控成本下持续体现收益。因此,需结合技术机制、应用条件及评测证据,理性辨析其实际意义。
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
传统机器学习通常依据预设规则更新参数以优化特定任务,而RSI强调系统利用反馈提出并验证对自身模型、运行框架或探索策略的修改,将有效改动保留并由更新后的系统继续参与改进。目前相关技术仍处于初期阶段,主要在人类设定的目标、预算和权限内开展。当前技术探索主要涉及以下三条路径:
1. 通过训练将执行经验写入模型参数
将任务执行的操作步骤、结果及验证记录筛选后用于监督微调或转化为强化学习信号,使经验通过参数更新得到保留。例如,2026年9月阿里巴巴公开的Qwen3.8-Max研发流程,在一个月内完成33轮自动化迭代,实现了自动化研发成果进入模型更新。该路径虽为经验继承提供基础,但面临训练周期长、成本高及易固化特定任务偏置等问题。
2. 通过自主修改运行框架改进智能体执行方式
即使固定模型权重,也可根据执行结果调整提示、记忆、工具和控制流程等外部框架。MiniMax在M2.7试验中,模型通过反复分析失败轨迹、修改运行框架并自主迭代超100轮,使内部评测表现提升30%。相较于模型训练,框架修改省去参数训练环节,更适合高频迭代。
3. 将探索策略作为可学习、可验证的优化对象
针对候选方案多、验证成本高的情况,系统利用前序迭代积累的实验记录,判断值得探索的方向及停止投入的时机,并通过回放比较不同策略的资源效率,优化新一轮试验安排。这一路径将优化对象从具体模型延伸至组织改进试验的方法本身,提高发现有效改进的效率。
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、推理系统及行业业务等场景中展开实践,不同场景侧重点各异,但共同方向是利用任务反馈修订方法,并将验证成果用于后续迭代。
1. 软件研发:通过技能迭代积累编程经验
软件研发凭借编译、测试等客观且低成本的反馈机制,成为RSI早期应用场景。华为云码道在单元测试生成实践中,智能体根据执行结果修改技能,使单文件分支覆盖率从33.8%提升至83.8%,且在开源项目对照中与人工调优效果相当。未来可向代码缺陷修复、回归用例补充等任务延伸。
2. 科研应用:形成可重复调用的模型与工具成果
科研智能体可从可复算、仿真任务入手,根据误差和失败样本提出修改并独立检验。2026年11月,腾讯混元发布蛋白质序列设计模型HyInv及分子模拟力场模型HyFF,提供权重、代码及报告,将任务成果转化为可调用、可检验的工具,为基于使用反馈的持续改进奠定基础。
3. 推理系统:优化模型能力与工程经验协同
智谱基于GLM-5.3的基础设施智能体,利用数值测试和执行轨迹提出优化方案,在超10万张国产加速卡集群上,使GLM-5.3-Flash在两周内具备生产上线条件,吞吐量提升约3倍。该实践体现了工程经验的初步递归应用,未来关键在于验证后的经验能否改善系统自身的问题诊断和方案生成能力。
4. 行业模型:衔接训练更新与业务策略迭代
行业场景中,智能体依据特定任务表现识别改进环节,调整训练数据、奖励规则或业务流程。2026年11月,度小满联合港科大等发布金融增强大模型,将信贷标准作业流程纳入奖励设计,实现风险策略动态自进化,使策略迭代周期缩短一半以上,展现了自进化方法与专业业务流程结合的潜力。
RSI发展仍面临迁移能力、验证质量与综合成本等挑战
1. 跨任务持续改进面临既有能力退化风险
针对特定任务优化的规则可能在其他任务中不适用甚至冲突。清华大学研究表明,智能体框架在功能开发任务优化后,在原有代码修复任务上的表现下降约66%。因此,需在持续改进中同步检查新任务收益与既有任务表现,明确有效方案的依赖条件。
2. 评价规则需持续反映真实任务目标
若评价规则仅覆盖局部指标,多轮优化可能导致指标与最终目标偏离,甚至放大偏差。需结合局部测试、完整任务验收和实际运行观察,确保评价反馈既能准确定位问题,也能检验最终效果,避免偏差传递。
3. 综合投入影响持续改进的实际收益
自进化过程中的搜索、实验、训练及复核均消耗资源。清华大学、智谱等提出的HarnessPro将表现与成本共同纳入优化,保留适合不同预算的方案。产业部署需明确预算上限,完善隔离运行、变更留痕和版本回退机制,以平衡性能与成本。
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获得认可的基础,需区分真实能力进步与缺乏验证的性能数字。当前RSI评测面临标准不一、数据泄露风险、忽视过程成本及验证环节被攻破等问题,削弱了结果说服力。
解决方向在于提升评测的科学性、透明性与可复核性:一是区分迭代优化验证集与独立测试集,隔离后者以避免数据泄露;二是在相同资源预算下开展公平对照,区分能力提升与资源投入带来的增益;三是记录测试条件、版本及计算方法,支持第三方独立复核,确保每一项改进经得起检验。
以可验证的持续改进推动RSI技术与应用发展
下一阶段,RSI发展的关键在于检验局部任务的有效修改能否增强系统后续改进能力。技术研究、应用验证与评价方法需形成相互支撑的发展路径。
1. 技术研究关注改进机制有效性与经验继承
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稳定收益,以及学习新任务时能否保持既有能力,推动RSI从执行过程优化走向改进能力提升。
2. 应用拓展依赖明确反馈与完整收益核算
从单项指标评价转向完整任务验证,综合考察质量、效率、资源消耗及人工投入,检验多轮迭代的稳定净收益及在任务条件变化后的持续有效性。
3. 评测与工程管理成为持续改进的基础支撑
建立覆盖版本间能力变化与后续改进效果的评价体系,衔接独立测试、同等预算对照、跨任务检验和版本追溯,通过隔离运行与版本回退控制无效修改,为识别真实进展提供依据。
总体来看,RSI正推动产业界重新审视AI研发方式。随着评测体系、基础设施和治理机制的完善,RSI有望成为AI研发体系升级的重要动力。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,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。
校 审 | 谨言、珊珊
编 辑 | 凌霄
推荐阅读



