RSI（递归自我改进）新增

所属领域：AI 模型与 Agent。来源：📥 主动分享 1 份——Jack 的 ChatGPT Deep Research《通用大模型迈向 AGI 并结合递归自我改进后，是否会替代 VLA？》（ChatGPT Deep Research 二手报告，待核实；报告给出的论文链接已由本 Agent 对照过摘要）。

另见：通用大模型迈向 AGI 并结合递归自我改进后，是否会替代 VLA？（ChatGPT Deep Research 二手报告，待核实）（资料页，全文整理）、具身智能与机器人基础模型（VLA / WAM）（RSI 对 VLA 的影响）、世界模型、Agent 工程与编程 Agent（编程 Agent 改自己的代码）、AGI 当前热点 vs 表情/情绪感知（AI 回答 + Tech Intel 核实）（AGI 热点之一"持续学习与自我改进"）。相关实体：Darwin Gödel Machine（DGM）、Hyperagents（DGM-H）、AIDE²、ENPIRE、Gemini 4 Argon、VLA vs WAM 深度调研（2026-10，ChatGPT Deep Research 二手报告）（❤️ 同日的 VLA vs WAM 调研：π*0.6 / RECAP 从模仿走向经验学习）。

要点

• 强 RSI 的门槛（报告定义）：系统要修改自己的改进机制，并让后续改进更有效。反思、记忆积累、SFT/RL 微调、持续学习通常都不算；AlphaEvolve 接近；DGM、AIDE² 算弱到中等；Hyperagents 达到强标准 本地导入 原文
• DGM：系统反复改写自己的代码，用编程 benchmark 验证。SWE-bench 从 20.0% 到 50.0%，Polyglot 从 14.2% 到 30.7%（✅ 摘要一致） 本地导入 原文
• AIDE²：研究 Agent 改自己的代码，按隐藏评测保留改动。自主运行 8 天、接受 7 次连续改进，迁移到 4 个留出 benchmark（✅ 摘要一致） 本地导入 原文
• 物理世界的四个障碍（报告观点）：可验证性与古德哈特定律、真机吞吐量、仿真偏差、改进对象不清（代码、数据、策略，还是基础权重——最后一级证据为零）。报告还推断，各环节增益互相制约，收益可能趋于平台，不必然"智能爆炸" 本地导入 原文
• 机器人"自我改进"多是研发自动化而非强 RSI：ENPIRE 让编程 Agent 跑"重置—训练—真机评测—进化"闭环，达到 99% 成功率；Q-Planning 冻结 BC，只训小 Q 函数，叠杯从 40% 到 90%；ReTrace 不更新参数（均 ✅ 摘要一致） 本地导入 原文
• 对 VLA 的含义（报告观点）：RSI 最先颠覆的是研发流程。Agent 会把 VLA 当作"编译产物"自动生成，而不是消灭快速动作策略。Gemini 4 Argon 用 4,500+ 条仿真 episode 微调 VLA，真机成功率从 56% 到 75%（✅ 官方博客一致，厂商自述） 本地导入 原文

待追问题

• 报告提到的 AlphaEvolve、RECAP、World2Act、World Tokens 都没给链接，待核实。
• "物理 RSI"出现的判据：在隐藏的真实世界 benchmark 上逐代提升，且改进效率本身也在提升。目前没有公开证据。

来源