AI到底能不能自己造AI？别吵了，有人做出来了
详细介绍
RSI，可能是 AI 世界里最像科幻的一个词。
工业 Coding 与日常所说的代码生成，并不是同一类问题。
图 1｜iCoder 在四项核心工业 Coding 基准上的位置。各榜单独立排序，数据来自团队统一评测。
注：排名仅指技术报告所列模型及团队统一评测协议；不同评测设置不可直接横向外推。
今天很多 “自我进化” 系统，改进的其实不是模型。
图 2｜人类提供 Research Skills、资源权限与模块操作；Agent 在边界内循环推进 Data、SFT、OPSD 与 RLVR。
1. Data：先让每一个任务都能被执行验证
图 3｜RLVR 训练动态：六个验证后端的平均 pass@1 从 45.8% 上升至 54.3%；KernelBench 与 ArchXBench 增益最明显。
团队把 iCoder 放进一个 EDA 循环：从 RTLScout 选取 8 个设计，模型每轮提出 3 个修改版本，连续运行 20 轮。候选只有通过自检 testbench 并由 Yosys 成功综合，才会按照 cell count 排名；本轮结果随即成为下一轮修改的依据。
图 4｜iCoder、HY3 与 DeepSeek-V4-Pro 在 8 个 RTL 设计上的迭代搜索轨迹。散点为通过 testbench 且成功综合的候选，阶梯线为搜索过程中不断更新的最优结果。
iCoder 最有说服力的部分，是几次失败。
图 5｜RLVR 前后两组同题轨迹。训练后，模型不再停留在无法全局同步的死结，并能显式处理流水线的周期对齐。
如果按照最严格的定义，iCoder 当然还不是完全闭环的 RSI。人类选择了基础模型与任务方向，规定了权限、验证器和发布边界，也把已有研发经验整理成 Skills。它没有自主定义自己的终极目标，更没有从芯片、数据中心到模型发布接管整个产业链。
【开源免费】字节工作流产品扣子两大核心业务：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）全面开源，而且采用的是 Apache 2.0 许可证，支持商用！
项目地址：https://github.com/coze-dev/coze-studio
项目地址：https://github.com/n8n-io/n8n
在线使用：https://n8n.io/（付费）
项目地址：https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
项目地址：https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用：https://vectorvein.ai/（付费）
【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