RSI 是什麼？理解 AI 遞迴自我改進的原理與限制

RSI 是什麼？

RSI（Recursive Self-Improvement）是「遞迴自我改進」，指 AI 改善自身的工具、工作方法或模型，並將改進成果保留下來，用於下一輪自我改進。它的核心是讓提升後的能力，繼續幫助系統找出更好的改進方法。

這個概念受到關注，是因為 AI 已開始參與程式開發與研究。如果它也能改善自己的工具、工作方法，甚至協助研發下一代 AI，技術進步的速度就可能受到影響。理解 RSI，可以從「把事情做好」與「改善做事的方法」之間的差別開始。

用讀書方法的改善，理解遞迴關係

想像一位學生準備考試，一開始只會把課本從頭讀到尾。後來，他發現整理錯題、針對不熟的觀念練習，效果比反覆重讀更好，於是改變了讀書方法。

隨著理解能力提升，他更能看出自己答錯的原因，也更能判斷哪些練習有用。這些新能力，又幫助他調整下一輪的讀書方法。學習的成果，回過頭來改善了學習的過程。

RSI 所說的「遞迴」，就有這樣一層意思：能力提升之後，連找出下一個改進方法的能力，也可能跟著提升。如果每次只是用同一套方法多練幾題，還看不出這種回饋關係。

放到 AI 身上，重點便是改進能否留下來，並實際幫助後續的改進。Duan 等人的 RSI 研究也以這兩個條件，區分一般的任務表現提升與遞迴自我改進。

學生的例子只用來解釋這個關係。AI 可以依照人設定的目標與測試執行改進，不需要先產生「我要努力」的想法；自我改進的表現，本身也不能證明它具有自我意識。

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。

可以用一個假想的程式助理，理解這個過程。它經常因為漏讀檔案而改錯程式，因此開始檢查自己的讀檔工具，嘗試找出比較可靠的做法：

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，也沒有造成其他錯誤。
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。

這裡的關鍵在最後一步。新工具不只改善了眼前的任務，也被用來協助下一輪自我改進。這個例子呈現的是可能的運作方式，並不代表所有 AI 助理都已具備這種能力。

如果把改進範圍從工具擴大到模型研發，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。調整提示詞，確實可以讓輸出更符合需求，但單憑答案變好，還看不出系統是否留下了能幫助未來自我改進的變化。

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。這讓它能完成更多工作，卻不代表它一定能修改自己的設計，或驗證這些修改是否有效。

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。即使 AI 反覆測試、修正網站，仍要另外確認，它是否也改善了自身的工具或方法。

判斷 RSI，需要追蹤改進如何回到 AI 系統，並幫助下一輪改進。會反覆工作、會修正答案、會使用工具，都可能是其中的一部分，但任何一項功能都不能單獨證明完整的循環已經成立。

工商時間

如果你想要更系統化、更輕鬆的學好 SEO 與 AI SEO，歡迎參考我與知識衛星合作的 SEO 線上課程：《SEO 排名攻略學》、《AI SEO 流量變革》。

透過《SEO 排名攻略學》獲得穩定的 SEO 流量與實戰經驗。
再搭配《AI SEO 流量變革》看懂 AI 搜尋趨勢，搶佔 AI 搜尋紅利。

目前有哪些進展？從兩項研究看懂改進的範圍

AI 協助改善開發流程、修改自身工具，已經有具體的研究成果。觀察這些成果時，先看它改進了哪一部分，才能判斷距離自主研發下一代 AI，還有哪些差距。

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％。這提供了一個 AI 協助改善 AI 開發流程的實際案例。

這個數字衡量的是訓練時間，不能解讀成模型能力提升了 1％。它也只說明某項開發工作變得更有效率，還不足以證明 AI 已能自主完成整個後繼模型的研發。

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。

這項研究更接近前面的程式助理例子：AI 改善自己使用的工具與工作方法，再檢查任務表現是否變好。不過，成果仍有實驗範圍，不能據此推論整套 AI 能持續、無限地提升能力。

至於自主設計與開發後繼 AI 的完整構想，Anthropic 的 RSI 分析表示，團隊尚未達到這個階段，也不認為它必然會實現。局部研究成果與完整自主研發，仍需要分開看待。

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。不過，回饋循環能否持續，以及加速幅度有多大，都需要證據。

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，分數變高不一定代表能力真的變好。就像學生自己出題、自己改考卷，可能只是在練習已經熟悉的內容。AI 的改進也需要可靠的測試，確認它能處理新的問題，而不只是更擅長取得某套測驗的高分。

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。

工商時間

如果你想要更系統化、更輕鬆的學好 SEO 與 AI SEO，歡迎參考我與知識衛星合作的 SEO 線上課程：《SEO 排名攻略學》、《AI SEO 流量變革》。

透過《SEO 排名攻略學》獲得穩定的 SEO 流量與實戰經驗。
再搭配《AI SEO 流量變革》看懂 AI 搜尋趨勢，搶佔 AI 搜尋紅利。

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？除了 AI 自己回報成功，也要看測試方式、適用任務與結果。某套測驗的分數提高，不代表所有能力都以同樣幅度成長。

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。