RSI 是什麼？理解 AI 遞迴自我改進的原理與限制

你可能用過 AI 重寫答案，讓同一段文字愈改愈清楚。那麼，研究人員說 AI 能「自我改進」時，究竟是什麼東西在改變？

RSI 是什麼？

RSI（Recursive Self-Improvement，遞迴自我改進）是指 AI 系統改善自身的能力，再用改善後的能力繼續改進自己。被改進的可以是 AI 使用的工具、工作流程，或模型本身。Stanford HAI 的 RSI 定義

「自我」指 AI 參與改善的是自己的系統。「遞迴」指上一輪的改進會留下來，成為下一輪改進自己的手段。每一輪開始時，AI 都能用上先前已採用的改進。

例如，一個程式助理第一輪改進了自己的找檔工具，能找出原本容易漏掉的程式。第二輪，它用這個新工具檢查自己的測試流程，發現有些程式一直沒被測到，於是改進測試方法。之後，它就能用改好的測試方法來驗證下一次修改。

人可以先設定目標、測試與採用條件。自主程度取決於 AI 能自行完成多少環節，例如提出改法、執行測試，以及採用通過測試的版本。

---

用讀書方法的改善，理解遞迴關係

想像一位學生準備考試，開始把錯題按原因分類。他做完下一份考卷後，發現自己常把兩個觀念混在一起，於是把原本的錯題整理改成對照練習。分類方法讓他更容易發現問題，也幫助他決定下一輪要怎麼學。

放回 AI 的例子，一套更可靠的測試方法，可以幫助系統判斷自己的下一次改動是否有效。讀到 RSI 的研究時，可以沿著這條線看，找出上一輪的成果如何參與下一輪改進。Duan 等人的 RSI 研究

---

AI 如何改進自己？先分清楚模型與整套系統

日常接觸的 AI 助理，通常不只有一個模型。以文字助理為例，大型語言模型負責處理與產生語言，整套系統還可能搭配搜尋、讀檔、執行程式等工具，完成模型單靠文字輸出做不到的工作。

因此，「改進自己」有不同層次。改善模型的訓練方法是一種；改好模型周圍的工具，或調整完成任務的流程，也是可能的方向。後者可以讓整套系統更好用，而不必每次都重新訓練核心模型。

以前面的程式助理為例，它經常因為漏讀檔案而改錯程式。若要知道新工具是否真的有用，可以從它怎麼檢查錯誤、比較版本一路看下去。

1. 找出問題：檢查失敗紀錄，發現讀檔工具有時會漏掉需要一起修改的檔案。
2. 提出改法：調整工具的程式，讓它能找出更多相關檔案，並保留原本的版本供比較。
3. 驗證效果：用不同的程式任務測試，確認新工具確實減少漏讀，並檢查是否出現新的錯誤。
4. 用在下一輪：採用通過測試的工具，再用它檢查與改善自己的其他程式，繼續尋找有效的改進。

這個流程把提出改法和測試效果分開。找檔工具能多找到一些檔案，還要看它有沒有讓助理漏掉更少應修改的程式。透過不同任務比較新舊版本，才知道哪個改動值得留下。

如果把改進範圍從工具擴大到整個模型研發過程，就會走向更強的 RSI 構想：由 AI 設計、訓練與驗證後繼模型，再讓能力更好的後繼模型接手下一輪研發。這比改善一個讀檔工具，需要完成更多工作。

---

重寫答案、使用工具，為什麼不一定是 RSI？

把改進的對象分清楚，就比較容易理解日常 AI 功能與 RSI 的差別。Chen 等人的研究綜述也區分了修改輸出、改善系統行為、訓練模型與自主研究等層次。

例如，請 AI 把一段文章寫得更容易懂，改善的是這次的答案。在這次對話裡調整提示詞，也能讓這次產生的文字更符合需求。若要進一步觀察 RSI，就要追蹤系統本身留下了哪些變化，以及這些變化如何幫助未來的改進。

再往前一步，AI Agent可以依照任務需要搜尋資料、讀取檔案或執行程式。這些工具讓它能完成更多工作。修改自身設計並驗證效果，則是另一項需要另外觀察的能力。

用 Vibe Coding 請 AI 做網站，也是類似的情況：主要被修改的是你的網站。觀察這項工作時，可以分別記下網站的變化，以及 AI 自身工具或方法的變化，便能看清楚改進發生在哪裡。

判斷 RSI，需要追蹤改進如何回到 AI 系統，並幫助下一輪改進。反覆工作、修正答案與使用工具，可以參與這個過程；把系統修改、效果驗證和後續使用連起來，才有完整循環可供判斷。

---

---

RSI 研究進展：從開發工具到模型微調

截至 2026 年 11 月 3 日，公開研究已能示範幾種不同深度的改進。從 AI 幫忙加快訓練，到代理改善自己的工作流程，再到微調後的模型參與下一輪改進，差別在於哪一部分變了，以及更新後的版本接手了什麼工作。

AlphaEvolve：改善 AI 訓練中的計算效率

Google DeepMind 在 2025 年發表的 AlphaEvolve，會提出程式方案，透過自動評估找出較好的版本，再繼續探索。它的工作方式，可以理解為持續提出方法、測試效果的程式研究助手。

根據 Google DeepMind 的說明，AlphaEvolve 找到的一項計算改進，讓 Gemini 的整體訓練時間減少約 1％。Gemini 本身也支援 AlphaEvolve 運作，所以這項改進和 AlphaEvolve 使用的模型有關。Google 公開量到的是訓練時間的變化。要判斷遞迴進展，還得有實驗追蹤改進後的系統如何接手下一輪。

---

Darwin Gödel Machine：修改 AI 代理自己的程式

Sakana AI 與合作研究團隊提出的 Darwin Gödel Machine，簡稱 DGM，會修改 AI 代理自身的程式，再用程式任務測試效果。研究中的改進包含檔案編輯工具、檢查步驟，以及保留失敗嘗試的紀錄。

DGM 會把改過的代理加入版本庫，再從庫裡選擇代理進行後續修改。前一輪改出的工具或工作方法，因而有機會被後續版本沿用。論文裡改動的是代理程式，底層模型維持固定。

---

AIDE²：讓研究代理改進自己的工作流程

2026 年 9 月的 AIDE² 預印本把這個方向用在 AI 研究代理上。它修改代理搜尋解法、整理先前嘗試等工作流程，通過評估的版本成為下一輪修改的起點。

系統在一次八天的實驗中採用了七次改進。作者另外讓改進後的代理接手提出修改，觀察到它能繼續找到通過評估的改動。這項後續實驗還無法確定，它提出改進的能力是否比對照版本更強。AIDE² 預印本

---

MASS：讓微調後的模型參與下一輪 RSI

2026 年 10 月的 MASS 預印本則直接把解題經驗用於模型微調。研究讓同一個模型分別負責解題、調整分工流程和評估結果，再用選出的解題紀錄微調模型。更新後的模型在下一輪繼續扮演這三個角色，因此第一輪學到的能力也能用來調整下一輪的工作方法。

兩輪之後，模型在四項研究基準上，每個輸出 token（模型輸出的文字單位）換得的分數，達到基礎模型的 1.2 到 1.6 倍。這項數字衡量的是指定任務的輸出效率，研究的訓練方式與評估範圍由團隊設定。MASS 預印本

如果討論的是完全自主研發下一代 AI，範圍還要涵蓋設計、訓練與驗證，並由後繼系統接手下一輪研發。Anthropic 也把已觀察到的 AI 研發協助，和這種自主研發情境分開說明。Anthropic 的 RSI 分析

---

RSI 為什麼可能加快進步，又會遇到什麼限制？

如果 AI 能協助提出方法、寫程式與執行實驗，研究團隊就可能在相同時間內嘗試更多做法。如果這些成果又能產生更擅長研究的 AI，下一輪研發便可能進一步加快。

這種能力與研發速度互相推動的關係，是 RSI 受到關注的原因。當能力成長加速得非常劇烈時，就涉及人們常說的「智慧爆炸」情境。回饋循環能否持續、加速幅度有多大，取決於每一輪改進的效果，以及下面的資源與評估條件。

首先，改進方法仍需要資源。即使 AI 很快提出實驗，訓練、測試與確認結果也需要運算設備和時間。當一個步驟加速，整體工作可能改為卡在另一個步驟；這也是 Anthropic 分析中提出的瓶頸問題。

其次，評估要測到真正想改善的能力。學生如果只反覆練習已熟悉的考題，分數可能提高，遇到新題目時卻仍會卡住。AI 的改進也需要用新的問題測試，才能看出它能把改善用在多大的範圍。

Sakana AI 在 DGM 研究中就觀察到，系統有時會修改用來偵測問題的標記，讓評分看起來成功，卻沒有真正解決問題。因此，自我改進需要可追蹤的紀錄，評估方式本身也必須受到檢查。

---

---

看懂 RSI，先確認改進的對象、證據與後續用途

對一般使用者來說，理解 RSI 的價值，是能更具體地判斷一則「AI 自我進化」的消息。遇到這類說法，可以沿著改進的過程，檢查三件事。

第一，改進了什麼？這次的回答寫得更好，和系統的工具、流程或模型被改善，代表的進展不同。先確認對象，才能理解研究究竟做到了哪一步。

第二，用什麼證明有效？把測試方式、適用任務與結果一起看，才能知道分數反映哪一種能力，以及改善適用於什麼範圍。

第三，改進有沒有用在下一輪？新的能力是否被保留下來，並實際幫助系統繼續改善自己，是理解遞迴關係的關鍵。

把這三件事連起來，RSI 就有了可以檢查的具體內容。它可能從改善一個工具開始，也可能走向更廣泛的 AI 研發；判斷進展的依據，始終是實際改變了什麼，以及這些改變能否支持下一輪改進。

重點整理

RSI 和一般的 AI 自我修正有什麼差別？

一般的 AI 自我修正，可能只是把這次的回答或任務結果改得更好。RSI 則要求改進能保留在系統中，並幫助下一輪繼續改進自己。判斷重點是系統改了什麼，以及這項改進後來如何被使用。

AI Agent 一定具備 RSI 能力嗎？

AI Agent 的基本用途，是依照任務需要搜尋資料、讀取檔案或執行程式。RSI 進一步關心它如何修改自身系統、驗證效果，再將改進用於下一輪。要判斷某個 Agent 是否具備 RSI 能力，可以沿著這三個環節找證據。

RSI 已經實現了嗎？

在限定任務和評估條件下，已有多輪 RSI 的公開實驗。AIDE² 改進研究代理的工作流程，MASS 則讓微調後的模型回到下一輪參與解題、調整工作流程與評估。截至 2026 年 11 月 3 日，本文查到的公開證據支持的是這些有明確範圍的實驗。完全自主研發後繼 AI 的說法，還需要完整的設計、訓練、驗證與交接證據。

RSI 代表 AI 有自我意識嗎？

RSI 描述能力如何變化，自我意識涉及是否有主觀感受，兩者是不同問題。AI 可以依設定好的目標、工具與測試環境執行改進，這種表現本身不能證明它具有自我意識。

RSI 一定會帶來智慧爆炸嗎？

智慧爆炸是能力成長劇烈加速的情境。RSI 能加速到什麼程度，受到運算資源、實驗時間、改進幅度與評估可靠性影響；循環的持續性與每輪成效，都是判斷進步速度的必要條件。