For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/zh-TW/articles/recursive-self-improvement-what-ai-resear-557e0db8.md.
AI 系統正承擔更多建構 AI 所涉及的工作：撰寫軟體、偵錯基礎設施、執行實驗，以及建議下一步嘗試方向。這使得通常簡稱為 **RSI** 的**遞迴式自我改進**，成為一個日益具有實務意義的研究問題。
AI 系統正承擔更多建構 AI 所涉及的工作：撰寫軟體、偵錯基礎設施、執行實驗，以及建議下一步嘗試方向。這使得通常簡稱為 RSI 的遞迴式自我改進，成為一個日益具有實務意義的研究問題。
真正重要的區別在於：AI 是加速由人類主導的流程，還是能夠獨立設計並開發出更強的後繼系統。所提供的 BAAI 報告描述了一個正朝向後者發展的產業。公開研究則為前者提供了具體證據，同時也顯示這種進展究竟能走多遠，仍存在相當大的不確定性。
根據 Anthropic 的研究討論，完整的 RSI 是指一個系統具備自主設計並開發其後繼系統的能力。一個能改進訓練指令碼的程式設計代理，可能對這個流程有所貢獻，但並不代表已完成整個閉環。
其中涉及數項不同的能力：
在某一層級取得成功，並不能證明在後續所有層級也同樣成功。Anthropic 明確表示，依其描述，完整 RSI 尚未實現，而且也並非必然會實現。
Anthropic 表示，截至 2026 年 5 月，Claude 撰寫的程式碼已占其程式碼庫中合併程式碼的 80% 以上。這是一項針對已合併程式碼的歸因衡量，而不是宣稱 AI 完成了 80% 以上的所有工程決策。
該公司還表示，2026 年第二季每位工程師的典型程式碼產出，相較 2024 年約為 八倍，衡量方式為每日合併的程式碼行數。其自身的保留說明至關重要：程式碼行數並不完美衡量產出量，不應被解讀為有用生產力增加了八倍。
Anthropic 圖表重現於 BAAI Hub 的新智元文章。
實務上的改變在於，工程師無須親自輸入每一項實作細節，便能指揮與審查更多工作。不過，目標設定、程式碼品質、共用基礎設施與審查能力仍然構成限制。這並不能證明人類審查已變得不必要。
撰寫實作內容只是研究的一部分。代理還必須執行實驗、檢視結果，並判斷某項變更是否確實帶來改善。
Anthropic 描述了一項重複最佳化測試：模型接收訓練程式碼，並嘗試在保留正確性檢查的前提下提升其速度。不同世代的模型帶來了顯著改善。該公司提醒，絕對加速幅度取決於起始程式碼中存在多少可最佳化空間；這並不是對前沿模型訓練取得等效加速的衡量。
其自動化弱到強研究專案提供了另一個例子。代理可以在由人類選定的問題與評分框架內，提出並執行實驗。這是特定邊界內研究自動化的證據，而不是證明系統能獨立選擇最有價值的研究議程。
SWE-bench透過程式碼庫任務與測試，評估軟體變更。METR 的任務完成時間跨度則檢視模型在特定可靠性水準下能完成的任務長度。
這些衡量回答的是不同問題。一個系統可能更擅長修復程式碼庫問題，或完成時間更長的任務，但仍不具備自行規劃並成功執行模型開發計畫的能力。
時間跨度結果也具有機率性。基準測試中的任務時長，並不表示代理能在任何專案上可靠地持續工作相同的實際時鐘時間。人類基準、成功門檻、工具存取權限與任務分布都會造成影響。
來源文章引用了關於內部代理、更短發布週期、未發布模型與大量科學成果的社群媒體討論。這些說法或許指出了值得調查的主題，但並不能獨立證明存在一個自主自我改進閉環。
較短的發布間隔可能有多種解釋。一個模型能解決困難數學問題，代表它在那些問題上展現了能力；但這本身不能證明該模型改進了自己的訓練流程。同樣地，對某實驗室內部模型的匿名說法，不能取代附有可重現證據的技術報告。
輸入一句想法，We0 AI 即可生成展示站、頁面與 CMS。發佈上線後並幫你獲取客戶和流量。
用戶註冊贈送一次完整項目生成
適合先體驗一次完整生成流程，快速看到專案初稿。
較可辯護的結論更為有限：公開揭露顯示，AI 正執行愈來愈多的工程工作與部分實驗研究。這種進展是否會成為完整 RSI，仍是一個開放性問題。
Anthropic 討論了日益自動化的開發可能帶來的益處與風險。能力更強的研究代理可能加速科學工作，但也會讓驗證、監控與對齊變得更加困難。
同一流程也可能形成一般性的營運瓶頸。若代理產生程式碼的速度超過人們審查程式碼的能力，更快的生成速度並不會直接轉化為更快速且可靠的部署。即使實作成本下降，算力供應、實驗品質，以及決定要建構什麼的判斷，仍然很重要。
因此，評估 RSI 時應追蹤每個階段的證據：代理做了什麼、由誰選定其目標、使用了哪些資源，以及結果如何被檢查。
RSI 代表遞迴式自我改進。在此脈絡下，它指 AI 系統能夠自主設計並開發出更強的後繼系統，而不只是協助人類改進軟體。
程式碼生成顯示開發流程中的一部分可以自動化。完整 RSI 還需要更廣泛地結合研究方向、實作、訓練與評估，因此，高比例的 AI 撰寫程式碼並不是充分證據。
它指截至 2026 年 5 月，歸因於 Claude 且已合併至 Anthropic 程式碼庫的程式碼。這不應被解讀為公司所有工作中自主完成的比例，也不代表 AI 作出的策略決策比例。
它可以反映產出量的變化，但無法直接衡量實用性、可維護性或商業價值。Anthropic 自身也提醒，其程式碼產出增加八倍的數據，可能高估了真實生產力增長。
它們描述模型在特定任務集合與既定成功水準下的表現，並以人類完成任務的時長作為參考。這並不保證代理可以完成任何同樣長度的真實世界任務。
可以。代理能夠在由人類提供的問題與評分框架內設計並執行實驗。這可以是很有價值的研究自動化，同時將更高層級的決策保留給人類。
Anthropic 的主要討論明確表示，它並非不可避免。研究判斷、算力、基礎設施、評估與其他瓶頸，都可能限制或改變這一發展軌跡；預測應與已證實的結果區分開來。
公開證據支持以下結論：AI 輔助程式設計與具明確邊界的研究自動化已有大幅增加。這些進展使遞迴式自我改進的可能性值得深入檢視，但尚不足以證明一個完全自主的後繼系統開發閉環已經存在。
關鍵問題在於：系統能夠獨立執行並驗證 AI 開發流程中的哪些部分，而不是它的發布時程或頭條基準成績看起來有多驚人。
從一句話開始，幾分鐘內拿到完整網站。
