搜索
第一篇AI4AI综述论文将long horizon智能体、AI4AI与recursive self-improvement纳入同一研究地图，指出AI能在明确目标与评价规则下承担部分研发工作，但单项能力提升无法证明完整流程可靠，持续自我改进仍面临组合鸿沟等验证挑战。
openJiuwen首发双维度RSI框架，在WorkSwarm蜂群办公智能体上落地Harness与Artifacts双维度优化，支持科研论文和算法程序两类交付产物迭代，并依托昇腾算力亲和能力降低多轮优化的时延与资源开销。
Agent 完成任务后，学到的经验去了哪里？
过去两年，AI 领域最激动人心的叙事之一，是让模型自己改进自己：自己生成训练数据、自己改写提示词、自己修复自己的代码。这条路线叫递归自我改进（Recursive Self-Improvement，RSI）。
让 Agent 完成一个任务并不难。它会整理材料、修改文件、检查结果，再交付答案。
破天荒，OpenAI同一天都在宣告：RSI真的来了！
文章系统拆解了ASI、AGI、RSI与Agentic AI四个核心AI概念，指出AI进化并非从ANI到ASI的单一直线，而是智能、行动、自我进化与组织协作四条曲线同时推进，行业真正的分水岭在于这四条曲线的交汇时刻。
openJiuwen社区的ScienceDiscovery通过树搜索驱动科研产物RSI，无需训练模型，在积分求解、代码加速和符号回归任务中分别以小时级产出通用积分器、实现平均2.279倍加速，并以低成本在111道方程反推题中正确找出41.4%。
EvoMap团队提出了一套不更新基模参数的RSI工程解法：由EvoX智能体、Evolver进化引擎和EvoMap经验流转网络构成的自进化体系，将Agent执行轨迹蒸馏为结构化控制对象Gene，通过GEP协议在35.7万智能体间流转481万项经验资产，使其在多款主流大模型上将长流程任务通过率提升8.7至15.5个百分点。
Agent 经常遇到这样一种幻觉：你给模型接入了终端，下发了一个复杂的 debug 任务，看着它顺藤摸瓜排查了几个小时，最终完美修复了依赖冲突，甚至连测试用例都帮你补齐了。