精选文章 AI4AI 不等于 RSI!AI 距离真正自我进化还有多远? 作者: 朵朵菊花向阳开 青稞社区为科研人员提供成果宣传支持,如有优秀研究成果分享推广,欢迎投稿联系:aiFreeCode 感谢青稞社区和知乎的邀请,在几周前有幸作为主持人 host 了一场关于 RSI 的 AMA,直播传送门:https://qingkeai.online/blog/2026-RSI
精选文章 当 RL 训练出故障,AI Agent真能自己修复吗?面向 RL 诊断与修复的智能体基准 AutoRLBench 千里之堤,溃于蚁穴 ——《韩非子·喻老》 ✨ AutoRLBench把真实的 RL 训练事故整理成一套智能体基准:考察 agent 能否发现训练失败、定位根因,并真正修复问题。 💻 GitHub:https://github.com/Thinking-Space/AutoRLBench 📖 博客全文
青稞AMA RSI 专题实录!RSI 的定义、技术路线、瓶颈、Benchmark、未来形态,以及人又会扮演什么样的角色 AI 能否改进自己的推理、训练方法和 Agent 系统? 当模型能够生成改进方案、构建实验环境、验证结果,并将有效改进带入下一轮迭代,我们距离真正的 RSI(递归自进化)还有多远? RSI 正在成为 AI 研究中的一个重要议题,但它并不是一个边界清晰、人人理解一致的概念。 Self-Evolutio
青稞Talk 直播预告!从 JEPA-Anything 到 RSI-Anything:探索通用 RSI 新路径,世界模型驱动下的递归自我改进 让模型继续变强,眼下最缺的往往不是想法,而是反馈:代码修复要跑测试,化学反应要上实验台,免疫研究要做湿实验。每一次执行都是真实成本。 反馈一贵,问题就从“怎么改”变成“先试哪个”。同一个 coder 给出四个候选补丁,同一轮里只执行其中一个;同一批反应条件,实验台只给 40 次机会。选错一次,机会就
精选文章 AI 同事的训练环境从哪里来?CoworkEnv 的环境构建与训练实践 作者:CoworkEnv 团队 青稞社区为科研人员提供成果宣传支持,如有优秀研究成果分享推广,欢迎投稿联系:aiFreeCode 假设你向一个 AI 同事提出请求:找出超过 48 小时仍未关闭的企业客户工单,并向对应的客户经理发送工单升级处理的通知邮件。 要完成这项工作,Agent 需要查询工单、核
青稞AMA 直播预告!当 AI 开始改进 AI,我们离真正的 RSI 还有多远?|青稞 AMA:RSI 专题 AI 能改进自己的推理、训练方法和 Agent 系统吗? 当模型能够生成改进方案、构建实验环境、验证结果,并将有效改进带入下一轮迭代,我们距离真正的递归自我改进(Recursive Self-Improvement,RSI)还有多远? RSI 正在成为 AI 研究中的一个重要议题,但它并不是一个边界
青稞Talk 直播预告!从 Harness 看 AI4AI 如何实现 我们能否在不更新任何模型参数的情况下,把强模型的能力迁移给弱模型? 我们通常认为,更强的 AI 能力需要通过蒸馏,OPD等各种方式训练更弱的模型,但在 Harness 的热潮下,一个更本质的问题值得探索:如果完全不改模型参数,强模型能不能在 test time 直接帮弱模型“搭好思考方式”? Har