AI 领域里常说的 RSI 全称递归自我改进(Recursive Self-Improvement),行业里有一个共识就是先会 verify 验证的模型先享受 RSI 的红利,意思是 RSI 能不能跑通闭环,核心卡点不是模型能不能生成新方案、新代码,而是能不能可靠、独立地验证这次改动是不是真的变强、有没有引入回退 bug,拥有稳定 verify 验证能力的模型,才可以安全开启一轮又一轮自我迭代循环,拿到持续迭代优势。很多团队现在都能让大模型写训练脚本、改 Agent 流程、生成新的 prompt,但是缺少靠谱的验证环节,很容易出现局部自欺、虚假涨分、越迭代越差的问题,也就是模型自己骗自己,觉得新版本更好,放到外测、新任务上效果反而下滑。verify 验证和普通的 evaluate 评估不一样,evaluate 只是看单次任务成没成,verify 会专门做对照测试、回归测试、跨分布评测,确认这次改进是通用能力提升,不是在固定测试集上的过拟合。想要搭建 RSI 闭环,一般会先打磨验证器,让验证器可以独立核验候选改动,再把生成、诊断、验证、沉淀串成循环,验证能力越强,RSI 迭代的速度和安全性上限越高,所以现在各家巨头都优先投入 verify 验证方向的研发。
一、RSI 里 verify 验证和 evaluate 评估的区别对照表
| 项目 | evaluate 评估 | verify 验证 |
|---|---|---|
| 核心目标 | 判断单次任务执行结果是否达标 | 核验改动带来的能力提升是否真实、稳定、无回归 |
| 测试范围 | 当前样本、当前任务 | 对照新旧版本、跨分布测试、回归用例、多轮复测 |
| 产出 | 单次得分、成功 / 失败标记 | 改动是否有效、是否存在退化、适用边界报告 |
| 在 RSI 闭环位置 | 任务执行阶段 | 候选修改提交之后、正式固化之前 |
二、RSI 闭环完整流程清单
- collect 收集:记录任务轨迹、报错、运行日志,收集失败案例
- evaluate 评估:判断本次任务有没有完成,定位问题表现
- diagnose 诊断:分析失败根因,输出改进方向
- abstract 提炼:把单点问题抽象成可以修改的技能、提示词、 harness 或者训练流程
- update 更新:生成新版本候选方案,作为待验证改动
- verify 验证:对照老版本做测试,检查有没有能力提升、有没有旧功能退化
- consolidate 沉淀:验证通过的改动才正式纳入系统,进入下一轮迭代循环
三、为什么说 verify 是 RSI 的核心门槛
- 防止自确认陷阱:如果模型自己验证自己,很容易出现偏好自己生成结果,给出虚假高分
- 规避回归问题:改动 A 能力的时候,不能把 B、C 原有能力搞坏,回归测试是 verify 的重点
- 区分过拟合和真实提升:在没见过的新分布、新任务上复测,避免只在固定 benchmark 刷分
- 决定迭代节奏:验证越可靠,团队越敢放开自动化迭代;验证不稳,只能小步人工审核,RSI 速度上不去
四、当前主流 verify 验证方案路线
- 可形式化验证:数学、代码类任务,用证明器、运行沙箱直接判定对错,可信度最高
- 独立验证 Agent:和主模型分开的验证器,独立执行评测,减少同模型偏见
- 密封离线测试集:不参与训练、不参与调参的隐藏评测集,用来做盲测
- 多维度对照:同算力、同环境下新旧版本并行跑,统计胜率、失败率、稳定性指标
五、行业现状小结
现在业界还没有公认的强通用 RSI 落地,大部分都属于受限场景下的自我优化,代码、数学这类容易验证的场景进展最快,就是因为 verify 容易做;创意、开放式推理这类很难客观核验的场景,RSI 推进非常慢。
【常见问题】
问题 1:RSI 递归自我改进,先掌握 verify 验证能力的模型优先拿到迭代红利,RSI 里面的 verify 验证是什么?
回答 1:RSI 递归自我改进,先掌握 verify 验证能力的模型优先拿到迭代红利,verify 验证是 RSI 闭环里专门用来核验新版本改动是否真实提升、有没有出现能力退化的环节,会做对照测试、回归测试、跨分布盲测,区别于单次任务的 evaluate 评估。
问题 2:RSI 递归自我改进,先掌握 verify 验证能力的模型优先拿到迭代红利,为什么 verify 能力决定 RSI 能不能跑起来?
回答 2:RSI 递归自我改进,先掌握 verify 验证能力的模型优先拿到迭代红利,因为如果没有可靠 verify,模型没法区分是真变强还是刷 benchmark 过拟合,还容易出现自我确认、版本退化,只有验证过关,才能安全持续开启递归自我改进循环。
问题 3:RSI 递归自我改进,先掌握 verify 验证能力的模型优先拿到迭代红利,verify 验证和 evaluate 评估有什么不一样?
回答 3:RSI 递归自我改进,先掌握 verify 验证能力的模型优先拿到迭代红利,evaluate 评估只看单次任务结果好坏,verify 验证是新旧版本对照,检查提升是否通用、会不会破坏原有能力,是改动固化前的门禁。
问题 4:RSI 递归自我改进,先掌握 verify 验证能力的模型优先拿到迭代红利,哪些场景的 RSI 更容易做好 verify 验证?
回答 4:RSI 递归自我改进,先掌握 verify 验证能力的模型优先拿到迭代红利,代码、数学、算法优化这类有客观运行结果、形式证明的场景更容易做 verify 验证,开放式主观任务很难搭建稳定验证标准。
【参考资料】
[2026-11-16](RSI:先会 verify 的模型先享受)36 氪
[2026-11-15](Agent 自我改进七步生命周期:collect、evaluate、diagnose、abstract、update、verify、consolidate)新浪财经
[2026-11-02](AI 自我改进需要一张 “门外” 验证卡)36 氪
[2026-09-17](VC 追着投的 RSI 究竟是什么?验证是 RSI 持续演进的卡点)36 氪
[2026-07-02](RSI: A Conditional Theory, Not an Achieved Milestone)UBC 技术博客
【免责声明】
本内容整理自 AI 行业公开技术文章、RSI 相关研究资讯,RSI 递归自我改进、verify 验证相关技术还处在前沿研究阶段,没有统一落地标准,相关技术路线、观点仅为行业讨论内容,不代表最终技术定论;本内容仅做技术科普,不构成项目研发、技术选型的落地指导。
