人类建造的最后一个AI：迈向递归式自我改进RSI的路径图

上海交大、清华大学、字节、小红书、上海AI实验室联合发表的一篇论文，介绍通往真正递归自我改进即——「RSI」的路线图。

论文里的路径包括了五个层次，整体上是一个责任逐步转移的连续光谱，把RSI的落地路径理得很明白，从人类完全掌控改进流程（L1），到AI逐步接管策略、经验获取、环境适应，最终接管“改进机制本身”（L5）。

下面简单说说。

L1：执行层面的自主（Improvement-Execution Autonomy）

人类完全定义“改什么、怎么改、怎么验收”，AI只负责严格执行预定流程，并把通过验收的结果持久保存下来，供后续使用。

• 人类负责：设计任务目标、改进规则、实验环境、检查标准。

• AI负责：按步骤执行、生成候选更新、保存成功结果。

• 典型例子：用模型按人类定义的“教育质量”标准给网络语料打标签（如FineWeb-Edu）；自动执行固定的SFT/RLHF/蒸馏流程；在固定规则下跑AutoML实验并保存模型。

• 关键特征：改进结果跨任务复用，但改进方法本身完全由人写死。目前大量研究（约43.8%）仍停留在这一层。

这相当于“AI当熟练工”——人画好图纸，它认真施工并归档成果。

L2：策略层面的自主（Improvement-Strategy Autonomy）

这个阶段的目标和考核标准仍由人类掌控，但AI可以自己诊断问题，并主动从多种改进方案中挑选最有效的一种去尝试。

• 人类负责：最终目标、任务边界、评估标准。

• AI负责：分析自身短板 → 生成/选择改进策略（如改提示词、改harness、改训练配方、搜索架构或GPU kernel）→ 执行并更新。

• 典型例子：Self-Harness用执行轨迹提出并测试对自身agent harness的修改；提示优化、架构搜索、训练规则搜索等。

• 关键特征：AI开始拥有“怎么改”的决策权，策略本身也可以被持久化沉淀。约31.6%的研究处于这一层。

这相当于“AI当初级工程师”——人给目标和KPI，它自己想方案并试错。

L3：学习经验的自主（Experience-Acquisition Autonomy / Future Learning Experience）

AI能感知自己当前的能力短板，并主动决定下一轮该学什么、练什么（自己生成或挑选最合适的练习任务/数据）。

• AI不仅能执行和选策略，还能主动构建“缺什么就练什么”的经验获取过程。

• 典型能力：诊断弱点后生成针对性课程、合成数据、设计实验、筛选最有价值的训练样本。

• 关键特征：从“被动接受人类准备的数据/任务”转向“主动获取未来学习经验”。这一层开始出现更多“自己造题练自己”的闭环。

这相当于“AI开始自己制定学习计划”——不仅会做题，还知道自己该补哪块。

L4：实际环境中的适应自主（Environment-Adaptation Autonomy / Deployment Autonomy）

AI被部署到真实工作场景后，能从日常处理的实际问题中持续吸取教训，自动把经验整理成持久的工具库、技能集、记忆或代码修改，并影响后续所有任务。

• 不再局限于实验室固定基准，而是在开放、动态的真实环境中在线适应。

• 典型能力：根据真实反馈更新记忆、技能、harness、代码；持续巩固经验；让改动真正影响长期行为。

• 关键特征：改进从“离线实验”走向“在线部署闭环”，环境反馈成为主要信号源。

这相当于“AI在真实岗位上不断成长”——不仅实验室练得好，上岗后也能越用越强，并沉淀成自己的“经验库”。

L5：底层机制的元改进自主（Recursive Meta-Improvement）

这是最高境界。AI不仅提升具体技能，还能改造自己用来做研究、发现问题、自我训练的整套核心方法（搜索策略、评估器、研究流程等），并把更强的学习机制一代代传承给后续版本。

论文进一步把L5拆成两层：

1. 形式上的递归：能修改负责后续改进的机制，并让下一轮继续沿用。

2. 真正的越改越强：修改后的机制在相近资源与独立评测下，确实产生更强的下一代系统。

• 典型目标：修改“如何搜索改进方案”“如何评估进步”“如何做研究”这些元层面的东西。

• 当前状态：真正触及L5的研究极少（约5.9%，仅29篇左右），且长期稳定累积优势尚未被充分证明。

这相当于“AI开始改造自己的‘大脑操作系统’和‘进化算法’”——最终目标是让改进过程本身也不断自我进化，真正接近“人类建造的最后一个AI”。

整体理解与意义

这五个层次是一个责任逐步转移的连续光谱：从人类完全掌控改进流程（L1），到AI逐步接管策略、经验获取、环境适应，最终接管“改进机制本身”（L5）。真正的RSI要求改进必须持久、可传承、可验证，而不是单次对话中的临时修正。

目前产业和研究大多集中在L1–L2，L3–L4正在加速出现，L5仍是前沿挑战。论文强调，不同领域（科学发现、软件工程、具身智能等）的进度会差异很大，且需要严格的长期评测、资源约束和人类监督来验证是否真正实现了“越改越强”。