递归式自我进化

复旦等团队提出 ReTerm 框架，通过让终端智能体尝试恢复自身造成的失败并从中学习，实现递归自我改进（RSI）。该方法将“犯错-恢复-更新”接入同一训练闭环，显著提升了 Agent 在复杂环境下的纠错能力与任务成功率。

Anthropic 在最新 S-1/A 招股补充文件中披露，公司正接近其定义的“递归自我改进”（RSI）阶段。文件指出，利用 AI 加速研发可能导致模型能力跃升速度超过安全对齐与验证的速度，且过去曾出现未察觉的能力爆发。尽管 Anthropic 承诺保留人类监督并修订《负责任扩缩策略》，但这一官方风险提示标志着 RSI 从理论概念转向实际工程风险。

最新研究提出“权重空间编程”（Weight Space Programming），证明足够强大的大模型可以直接读取和修改神经网络的权重参数。这一能力使得模型无需依赖传统的递归自我改进（RSI）循环中的自动搜索步骤，从而显著提升了自主优化效率并降低了算力开销。该发现被视为 AI 自主进化路径上的重要里程碑，可能重塑未来模型迭代范式。

MIT 近期发布的“权重空间编程”研究引发了关于 AI 未来的激进预测。主要观点包括：模型权重可能演变为一种仅 AI 可理解的编程语言；训练与推理界限将模糊，AI 可在思考时实时重写自身权重；以及通过直接编辑彼此权重实现无需反向传播的递归自我改进（RSI）。

Anthropic 更新招股书，首次正式承认其下一代模型可能突破“AI自进化”（RSI）的安全阈值。同时披露 Q3 营收同比暴增 1127% 至 170 亿美元，但净亏损扩大，且算力采购账单高达 8954 亿美元，引发对 AI 研发加速失控及商业可持续性的双重关注。

百度升级搜索 AI API，推出增强版 4.9 元/千次的低价策略以争夺 Agent 默认搜索入口。新架构引入递归式自我进化（RSI）机制，通过在线反馈闭环自动优化检索策略，并开放 MCP、Skill 等多种接入方式支持多 Agent 协同。