首个统一元递归自我改进架构，让AI「变强的方式」本身变强
详细介绍
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）。
图 3：MetaRSI-v1 概览
图 4：Loop Kernel 范式
沿用同一个 Loop Kernel，自我改进在三个可写面上展开，分别由 Data-RSI、Harness-RSI、Model-RSI 三个算子承担并协同完成。
横轴（horizontal orchestration）编排算子的应用顺序：RSI² Agent 在每个决策点根据信号反馈选定下一个算子，再把该算子有机衔接、编排并送入 RSI Loop Kernel 执行。
整套架构由四个 Agent 协调运作，并且均能被人类专家局部替换，形成 human-in-the-loop 系统。
实验沿两条路线展开：小模型路线使用可训练的开源模型，Data、Harness、Model 三个算子全部启用；前沿模型路线面向 Claude Opus 5、GPT-5.6 Sol、Kimi K3 等顶级模型，这类模型参数巨大或为闭源模型，仅启用 Data 与 Harness 算子。
图 5：MetaRSI 让 Qwen3.5-35B-A3B 实现自进化
图 6：「改进改进者」，MetaRSI 让小模型累计自进化增益扩大
图 7：六款前沿模型的自我改进
MetaRSI 梳理出两条互补的改进路线：Harness-RSI 保持权重不变，让自我改进覆盖任何可通过接口调用的模型；Model-RSI 通过训练把能力内化进模型。
MetaRSI-v1 并不要求一个领域一步到位执行整个 Loop。因为科学研究与工程实践本身就是一条条流水线：提出假设、设计实验、执行、解读，每个环节都有清晰的输入和产出。与其一步到位，不如先在任意一个环节跑通一个小循环；这个环节的产物自然就能成为下游的起点。当足够多的小循环转起来，它们会彼此衔接，最终编织成覆盖整个领域科研流程的大循环。
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】LangGPT 是一个通过结构化和模板化的方法，编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词，进而高质量的帮助用户通过AI解决问题。
项目地址：https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用：https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0