AI 巨头放缓前沿推进，距真正 RSI 仍遥远

近期 Anthropic、OpenAI 释放放慢前沿 AI 能力推进节奏的信号，引发科技股、半导体股承压，其源头指向递归式自我改进（RSI）命题。MIT PhD 瞿骜认为，RSI 是多条技术路线交汇的结果，2026 年 AI 因编程、上下文管理等能力提升，具备持续做事的条件，自我改进从概念变为工程问题，但当前仅实现 RSI 的「局部循环」，大量实践属于持续自我改进，严格意义的 RSI 仍有距离。当前 AI 在任务中积累的经验多停留在上下文、记忆中，未真正进入模型，Reef 尝试将推理阶段的经验接入下一轮学习。不同任务自我改进难度不同，核心在于对「好」的定义差异，需处理不同反馈。行业热议改模型还是改工作框架（harness），瞿骜认为二者应协同进化，且未来 AI 需具备元认知，自主判断经验的学习方式与改进方向，用户将从具体细节感知 AI 进化。AI 自我改进仍面临诸多挑战：可能因错误学习损伤能力、被经验局限。真实世界缺乏清晰反馈信号。基础模型无法提前经历所有场景，持续自我改进并非弱模型补丁。严格意义的 RSI 还涉及权限问题，其实现不仅取决于技术，也取决于人类对 AI 权限的开放程度，AI 最终走向何处由技术与人类共同决定。