新智元报道
2026年，，AI行业最腾贵的新故事，，已经不但是「训练一个更大的模子」。。。。。
资源最先直接押注：让AI加入制造下一代AI。。。。。
4月，，AlphaGo焦点创立者David Silver开办的 Ineffable Intelligence完成11亿美元融资、估值51亿美元。。。。。它要打造的不是另一个Chatbot，，而是一个依赖强化学习和自身履历发明知识的「超等学习者」。。。。。
5月，，Richard Socher、Peter Norvig等人开办的Recursive Superintelligence带着6.5亿美元融资亮相，，目的直接写进公司名字：构建能够发明自身弱点、重新设计并刷新自己的AI。。。。。
更早之前，，AlphaChip联合创立者开办的Ricursive Intelligence在建设不到两个月后完成3亿美元A轮、估值40亿美元。。。。。它试图关闭一条真实的物理递归链：AI设计更好的芯片，，更好的芯片再加速下一代AI。。。。。
另一边，，Periodic Labs以3亿美元种子轮起步，，建设AI科学家和供其行动的自动化实验室；；；；；Sakana AI完成2亿美元B轮、估值27亿美元后，，又建设RSI Lab，，把AI Scientist、自进化程序和Agent-Native Model接进统一条递归蹊径。。。。。其端到端自动化AI研究效果已于2026年3月正式揭晓于《Nature》。。。。。
仅上述已披露案例，，融资金额已凌驾25亿美元，，相关公司的已披露估值合计凌驾100亿美元。。。。。
这些公司手艺差别、界线差别，，甚至对「自我刷新」的界说也差别。。。。。
但资源正在为统一个函数定价：
AI能力 → 自动实验 → 可验证效果 → 更强AI。。。。。
已往，，AI公司的估值锚点是模子能力和用户规模。。。。。现在，，一个新的变量正在进入定价模子：能力提升的速率，，能否被系统自身一连加速。。。。。
RSI不再只是科幻
前沿实验室已经在自己的
研发线上看到它
Recursive Self-Improvement（RSI），，递归自我刷新，，一经更像一个关于「智能爆炸」的头脑实验。。。。。
现在，，它最先获得真实的生产数据。。。。。
Anthropic在《When AI builds itself》中披露，，阻止2026年5月，，Claude孝顺了其代码库中凌驾80%的合入代码，，工程师日均合入量约为2024年的8倍；；；；；在小模子训练代码优化测试中，，模子实现的加速也在一年内从约3倍升至约52倍。。。。。
OpenAI也在GPT?5.6宣布说明中直接引入RSI指标。。。。。研究职员已让模子加入故障诊断、训练系统优化、实验运行与效果剖析；；；；；在权衡AI研发和模子优化能力的RSI Index上，，GPT?5.6 Sol较GPT?5.5提升16.2个百分点。。。。。
这仍不是完整RSI。。。。。Anthropic称RSI尚未到来，，OpenAI也仅称指标权衡「向RSI迈进的希望」。。。。。但趋势清晰：AI正从写代码的助手，，走向执行实验、处理反馈并加速下一轮AI研发。。。。。
这正是RSI受到投资行业追捧的基础原因：一旦AI能够有用提升AI研发效率，，今天的能力前进会加速明天的能力前进；；；；；研发效率不再线性增添，，而可能形成复利。。。。。
AI4AI、Meta-Evolution和RSI，，不是统一个看法
图1：AI4AI界说优化工具，，Meta-Evolution形貌履历反哺「刷新者」的机制，，RSI则要求更强的跨代递归闭环
热度越高，，越需要把界线说清晰。。。。。
AI4AI（AIfor AI）形貌的是事情工具：让AI加入创立和优化AI。。。。。它可以写训练代码、改模子结构、搜索算法、优化Agent Harness，，也可以设计承载AI的芯片。。。。。
Evolution形貌的是一次运行内的优化历程：AI凭证反馈重复修改候选程序或系统，，把目今方案变得更好。。。。。
Meta-Evolution进一步改变了学习工具：系统不但保存最终产品，，还把进化轨迹用于训练，，让谁人认真提出刷新的模子自己变强。。。。。
RSI则要求更强的跨代闭环：升级后的AI能够继续刷新制造下一代AI的历程，，并让这种能力跨代一连增强。。。。。
可以把三者的关系压缩成一句话：
AI4AI 回覆「谁来做AI研发」；；；；；Meta-Evolution 回覆「怎样让刷新者自己变强」；；；；；RSI 追问「变强的刷新者，，能否继续制造更强的下一代」。。。。。
因此，，不是所有AI4AI都是RSI，，多跑几轮Agent也不是RSI。。。。。
从一次自动化实验，，到真正的递归自我刷新，，中心缺氨赡是一套可执行、可验证、能够把履历送回模子的工程闭环。。。。。
这正是衔远科技 Frontis-MA 元智能舷列模子试图补上的位置。。。。。Frontis-MA1 此前已于 WAIC 2026首次亮相，，衔远科技与清华大学团队一连推进模子训练与系统迭代，，短短两周内，，Frontis-MA1及其进化搜索性能继续提升。。。。。
本次，，团队正式宣布手艺报告《Frontis-MA1: Training an AI4AI Model towards Recursive Self-Improvement inMachine LearningEngineering》，，通过元进化事情流训练且面向机械学习工程的元智能体Frontis-MA1-35B 模子权重，，以及意会可扩展使命情形、强化学习训练与进化推理的全栈开源套件OpenMLE。。。。。
先看最硬的效果：
统一推理框架下，，Frontis-MA1-35B 将基座模子在 OpenAI 宣布的 MLE-Bench Lite 上的平均奖牌率从39.39%推高到 60.61%，，绝对提升 21.22 个百分点；；；；；
加入跨使命先验与异步多GPU搜索后，，Frontis-MA1-35B 与 OpenMLE-Evo-Max 增强进化框架组成的系统抵达71.21% 平均奖牌率、0.8126 人类排名，，22个使命所有形成有用提交；；；；；
与原始 AIRA-Evo 相比，，OpenMLE-Evo 让总模子Token下降41.7%，，每百万 Token找到「新最优」的效率反而提高84.3%；；；；；
在 NatureBench Lite 的10项科学使命上，，Frontis-MA1-35B 连系 OpenMLE-Evo，，3项逾越论文SOTA，，7项抵达论文SOTA。。。。。
图2｜Frontis-MA1-35B + OpenMLE-Evo-Max抵达71.21%。。。。。橙色实心部分是标准OpenMLE-Evo下的60.61%，，斜线部分是Evo-Max带来的增益。。。。。右图较量模子总参数目与效果。。。。。
若是只把它明确成一次Benchmark刷榜，，就低估了这项事情的野心。。。。。
Frontis-MA1真正押注的是一个更大的范式转变：
今天的大模子交付一份智力快照；；；；；未来的AI系统交付一条一连上升的能力曲线。。。。。
而决议曲线斜率的，，不但是模子有多大，，而是系统能否把每次行动的效果，，酿成下一次刷新的资源。。。。。
不是再造一个程序员，，而是训练一个AI研发者
Coding Agent 解决的是一个相对确定的问题：需求已经给定，，代码能否通过测试。。。。。
机械学习工程Agent面临的，，则是一片没有标准谜底的实验场。。。。。
假设一家银行希望提升诓骗识别模子。。。。。Agent拿到的是数据、指标、盘算预算和合规界线，，而不是一张写着准确谜底的试卷。。。。。它要检查数据走漏，，选择验证战略，，处理种别不平衡，，较量差别模子，，启动训练，，剖析过失，，再决议下一轮是调解特征、改损失函数，，照旧融合两条蹊径。。。。。
一份程序能跑，，只意味着拿到了入场券。。。。。
真正的目的是，，在有限时间和算力内，，把一个0.71分的有用方案，，一连推向0.75、0.80，，直到迫近甚至凌驾人类专家管线。。。。。
这类Agent有四个鲜明特征：
必需下手。。。。。它不但输出建议，，还要写代码、训练模子并提交效果；；；；；
必需期待。。。。。一次行动可能数十分钟后才返回反馈，，甚至只返回一个失败；；；；；
必需竞争。。。。。「准确」远远不敷，，它需要在一连指标上寻找更优解；；；；；
必需继续。。。。。它要知道哪些改动真正有用，，哪些失败值得记着，，哪些蹊径可以组合。。。。。
若是说 Coding Agent 是在替身写代码，，机械学习工程Agent是在替身举行一部分研究与工程决议。。。。。
这正是 AI for AI 最详细、也最残酷的试验。。。。。篈I不再谈论怎样刷新AI，，它必需在真实执行中把AI改得更好。。。。。
从这个意义上说，，Frontis-MA1 也体现了衔远首创人周伯文教授恒久强调的「通专融合」：它不从零训练另一个通用大模子，，而是以 Qwen3.6-35B-A3B 的通用推理、编程与机械学习知识为起点，，再通过专业使命情形、可验证反馈、后训练和进化搜索，，把通用能力转化为机械学习工程能力。。。。。
自我反思不即是自我进化
今天的Agent很会「反思」。。。。。
它可以在一段文字里诠释自己错在那里，，再天生一份看起来更周全的谜底。。。。。但若是代码没有运行、模子没有训练、指标没有转变，，这种反思没有支付任何现实本钱，，也没有通过现实磨练。。。。。
没有可执行反馈，，就没有进化，，只有自我叙事。。。。。
机械学习工程尤其不相信语言上的自信。。。。。一次看似智慧的修改，，可能导致数据走漏；；；；；一套更重大的模子，，可能在小数据上严重过拟合；；；；；一条理论上优雅的管线，，可能连显存都装不下。。。。。
OpenMLE 首先做的，，不是让模子「想得更久」，，而是为它制作一个无法瞎搅的天下。。。。。
情形层OpenMLE-Gym将异构机械学习使命封装成统一的可执行使命包。。。。。果真输入与隐藏谜底隔离，，Agent提交的程序必需进入沙箱真实运行，，再由使命内评测器给出分数。。。。。
图3｜约1.1万个Kaggle竞赛经由允许、可执行性和语义质量检查，，最终留下2,240个竞赛使命。。。。。右侧是统一后的使命目录。。。。。
手艺报告显示，，OpenMLE-Gym包括5,758个可执行使命：156个精选锚点使命、3,362个Kaggle数据集使命和2,240个Kaggle竞赛使命。。。。。
这5,758个使命并不但是一批数据。。。。。
它们是一座「履历工厂」：模子的每次判断都必需酿成行动，，每次行动都留下效果，，每个效果都可能成为后续模子训练的信号。。。。。
从使命、训练到搜索：OpenMLE把三个断点接起来
图：OpenMLE-Gym、OpenMLE-ERL与OpenMLE-Evo组成从执行反馈、操作学习到长时程搜索的完整手艺栈
OpenMLE的焦点设计，，是让训练时学到的行动，，与推理时真正需要挪用的行动坚持一致。。。。。
整个系统建设在四类原子操作之上：
Draft：从零天生完整初始方案；；；；；
Improve：沿着已有强方案继续提升；；；；；
Debug：凭证真实报错修复执行失败；；；；；
Crossover：组合两个候选方案中的互补设计。。。。。
OpenMLE-Gym提供可执行情形与履历泉源；；；；；OpenMLE-ERL使用执行验证过的监视数据和在线强化学习，，训练模子掌握四类可复用操作；；；；；OpenMLE-Evo再在推理阶段把统一组操作组合生长时程搜索。。。。。
团队最终构建了26,259 条监视训练样本，，包括17,245 条完整方案，，以及从高质量局部轨迹片断中筛选获得的9,014 个进化方法。。。。。
这些数据不但保存最后的高分谜底，，还保存一次修改从哪个父方案出发、获得什么反馈、是否被最终方案继续。。。。。
训练与推理因此不再是两套语言。。。。。
这也是OpenMLE最值得偕行关注的设计：
训练的最小单位，，与进化搜索的最小单位对齐。。。。。
Loop会把历史越写越长，，Graph让履历拥有谱系
大大都Agent系统依赖Loop Engineering：天生、执行、反馈、再天生。。。。。
使命短时，，这很有用。。。。。使命一旦拉长，，线性历史便最先失控。。。。。日志、代码、报错和反思一直堆进上下文，，Agent似乎「记着了一切」，，却越来越难回覆一个要害问题：究竟是哪次修改带来了提升？？？？？？
OpenMLE-Evo把这条一直变长的Loop，，重组成一张可以选择、回溯和交织的进化图。。。。。
每个候选程序及其执行效果组成一个节点，，其中既包括乐成评分的方案，，也包括带过失署名的失败实验；；；；；每次修改都纪录操作类型、父节点、执行效果与评测分数。。。。。强蹊径可以继续生长，，失败蹊径可以留下忠言，，两条差别蹊径还可以爆发新的组合。。。。。
它不再把历史看成一段谈天纪录，，而是把历史看成程序谱系。。。。。
每个执行节点还会被压缩成结构化Experience Card，，纪录方案家族、相对增益、全局位置以及乐成和失败证据。。。。。下一次操作只提取有限、相关的祖先与兄弟履历，，而不是把整棵搜索树重新塞回上下文。。。。。
这就是从Loop Engineering走向Graph Engineering的要害：不但是多开几条分支，，而是让分支之间能够留下证据、选择亲本、定向重组。。。。。
图：在nomad2018质料性子展望使命中，，定向Crossover将互补分支重组，，held-out RMSE由0.06096降至0.05410
论文中的nomad2018案例很直观：原始AIRA-Evo沿一条分支一连Debug七次；；；；；OpenMLE-Evo则保存了physics-informed GNN与稳健几何剖析器两条互补蹊径，，并从失败节点中提取缓存类型过失、特征维度不匹配等负面证据，，最终在第81步提倡定向Crossover，，held-out RMSE再降低11.3%。。。。。
失败不再只是一条被扬弃的纪录，，而是下一次选择亲本和组合蹊径的证据。。。。。
需要说明的是，，这是用于展示机制怎样事情的同使命轨迹案例，，而不是对Crossover简单因素的受控消融；；；；；端到端差别同时包括亲本选择、定向影象和上下文结构的作用。。。。。
最要害的一步：不但进化程序，，还要进化「进化者」
一条优异的实验轨迹，，通；；；；；崴孀畔钅靠⑹卤还榈。。。。。
OpenMLE则在训练事情流中，，把经由执行验证的轨迹转化为监视学习与强化学习信号，，用来增强模子执行Draft、Improve、Debug和Crossover的能力；；；；；训练后的Frontis-MA1再被安排进OpenMLE-Evo，，执行长时程搜索。。。。。
第一轮进化，，刷新的是程序。。。。。
当这些可验证轨迹反过来训练提出修改的模子，，刷新的工具便最先从solution转向improver。。。。。
这就是论文所讨论的Meta-Evolutionary Step：它不是完整RSI的同义词，，而是从Evolution迈向RSI的要害工程方法。。。。。目今事情验证了「进化履历训练刷新者、训练后的刷新者进入搜索」的一轮事情流，，但尚未形成安排后自动触发下一代训练的一连跨代闭环。。。。。
若是把这套要领压缩成一条Recipe，，就是：
Ground → Evolve → Compile → Consolidate → Deploy
建设可验证情形 → 搜索更优程序 → 将轨迹编译为结构化履历 → 把履历固化为模子能力 → 将训练后的模子安排到进化搜索。。。。。
39.39% → 60.61% → 71.21%：模子增益与搜索增益可以叠加
图：相同OpenMLE-Evo隔离模子增益，，OpenMLE-Evo-Max则展示模子与增强搜索组合后的系统上限
论文在MLE-Bench Lite官方22个使命上举行评测。。。。。除特殊说明外，，每个设置自力运行3次，，每个使命的沙箱预算牢靠为12 个RTX 4090 GPU-hours，，每个GPU显存上线为 12GB。。。。。
坚持推理框架稳固：
Qwen3.6-35B-A3B：39.39%Medal Average，，Human Rank 0.5828，，平均有用提交19.67/22；；；；；
Frontis-MA1-35B：60.61%Medal Average，，Human Rank 0.7647，，平均有用提交21.67/22。。。。。
也就是说，，execution-grounded后训练在相同Harness下带来21.22个百分点的绝对提升。。。。。
OpenMLE-Evo-Max进一步加入跨使命先验和异步多GPU搜索，，同时坚持使命内总沙箱盘算预算稳固。。。。。Frontis-MA1-35B与OpenMLE-Evo-Max组成的系统由此抵达71.21% Medal Average、0.8126 Human Rank，，并在22/22个使命上爆发有用提交。。。。。
在论文统一张系统效果表中，，GPT-5.5+Codex 为 68.18%，，GPT-5.6 Sol+Codex 和 Kimi K3+Claude Code 均为72.73%。。。。。
这并不料味着「小模子战胜所有大模子」。。。。。差别模子与通用 Coding Agent 适合做系统级参照；；；；；严酷归因模子训练效果，，仍应看 39.39% 与 60.61% 的同框架比照。。。。。
更准确、也更有分量的结论是：
一个专门学习怎样刷新AI的35B级模子，，配合与训练方式一致的进化系统，，已经进入前沿通用模子系统的竞争区间。。。。。
同样的趋势还在另一条30B Backbone上获得复现：Qwen3-30B由34.85%提升至Frontis-MA1-30B的53.03%，，再通过OpenMLE-Evo-Max抵达66.67%。。。。。
这并不是宣称35B专业模子能够在所有使命上取代前沿通用模子，，而是说明通用基座经由专业情形、可验证后训练和使命搜索的系统化转换，，可以在目的使命上进入前沿系统的竞争区间。。。。。
这也是「通专融合」在Frontis-MA1中的手艺落点：通用基座提供广度与迁徙起点，，专业情形、执行反馈和进化训练把能力压到足够深，，并用受控实验磨练这种能力转换是否真实爆发。。。。。
通用能力决议起跑线。。。。。
专业情形、模子、执行器、影象与搜索配合组成的闭环，，正在决议能力兑现的深度与恒久斜率。。。。。
真正的复利，，不但是分数更高，，而是每次刷新更自制
图：统一模子、相同随机种子与12小时预算下，，OpenMLE-Evo用更少Token发明更多新最优
若是RSI只是「用更多算力搜索更久」，，它很难形成可一连的复利。。。。。
新版报告因此补上了一组要害效率实验：牢靠统一个Frontis-MA1-35B Checkpoint、相同Seed和12小时使命预算，，比照OpenMLE-Evo与原始AIRA-Evo，，笼罩66个匹配Task-run。。。。。
效果显示：
总模子Token：129.3M → 75.3M，，下降41.7%；；；；；
Prompt Token：83.5M → 41.5M，，下降50.3%；；；；；
评估节点：3,430 → 3,004，，只下降12.4%；；；；；
爆发「新最佳验证效果」的节点：229 → 246，，反而增添7.4%；；；；；
每百万模子Token的新最优发明：1.77 → 3.27，，提高84.3%；；；；；
Improve操作爆发新最优的比例：4.73% → 9.36%，，提高98.1%。。。。。
Token下降远大于节点数下降，，说明节约并不主要来自「少探索」，，而是来自每次探索更自制、更聚焦。。。。。
这可能是比「上下文越长越好」更值得关注的工程结论：
履历的价值，，不在于被完整生涯，，而在于能否以准确的结构，，在准确的决议点被重新挪用。。。。。
脱离Kaggle之后，，它还能进化吗？？？？？？
图：牢靠框架只换模子、牢靠模子只换框架，，两组比照均显示正向迁徙
若是MA1只学会了机械学习竞赛的套路，，那么「AI for AI」仍然只是一个过大的标签。。。。。
团队因此把它带进NatureBench。。。。。
NatureBench从Nature系列偕行评审论文中构建了90个容器化科研使命，，要求Coding Agent在隐藏测试集上复现或凌驾论文报告的SOTA。。。。。此次评测接纳笼罩六个科学领域的10使命Lite子集，，关闭网页搜索，，每个使命预算为4小时。。。。。
牢靠OpenMLE-Evo适配器，，只替换模子：
Qwen3.6-35B-A3B：2/10 Surpass-SOTA，，5/10 Match-SOTA；；；；；
Frontis-MA1-35B：3/10 Surpass-SOTA，，7/10 Match-SOTA。。。。。
牢靠Qwen3.6-35B-A3B，，只替换搜索框架：
原始AIRA-Evo：1/10 Surpass-SOTA，，2/10 Match-SOTA；；；；；
OpenMLE-Evo适配器：2/10 Surpass-SOTA，，5/10 Match-SOTA。。。。。
10个使命虽然缺乏以证实「通用科学发明」。。。。。但它给出了一个要害迁徙信号：在机械学习工程轨迹中训练出的刷新能力，，以及履历驱动的长时程搜索机制，，都最先跨出竞赛漫衍。。。。。
对偕行而言，，这比多赢一块奖牌更值得追问。。。。。
从RSI热潮回到工程
真正稀缺的是Recipe
递归自我刷新重新成为行业中心词之后，，最容易泛起的是弘大宣言，，最缺的却是实践履历。。。。。
Frontis-MA1虽然还没有实现完整RSI。。。。。模子与外部进化框架仍然疏散，，OpenMLE-Evo的大部分逻辑尚未成为系统自动改写的工具；；；；；使命、操作空间、评测规则和模子更新流程现在仍由人界说；；；；；奖励也主要围绕效果分数，，而不是科研假设质量、研究战略或恒久价值。。。。。
但这份事情的价值，，恰恰在于没有跳过这些「不敷科幻」的工程问题。。。。。
它最终沉淀出的，，不是一长串原则，，而是三条可复用的Recipe：
第一，，可执行反馈，，让天生成为进化。。。。。
第二，，训练与推理共享操作空间，，让「刷新」成为可训练能力。。。。。
第三，，把历史压缩成决议证据，，同时优化能力上限与单位盘算的前进。。。。。
若是预训练解决的是让AI「读过天下」，，Meta-Evolution试图解决的，，就是让AI从刷新天下的效果中继续学习。。。。。
作为本次宣布的后续，，衔远科技正式提倡OpenRSI by Frontis开放妄想：把「AI刷新AI」从弘大叙事酿成可执行、可丈量、可复现的工程问题。。。。。
OpenRSI 将沿三条手艺蹊径一连推进：训练能够内化研究历程的AI4AI通用基础模子；；；；；构建能够判断「哪个偏向值得继续投入算力」的AI4AI天下模子与研究「品味」奖励；；；；；以开放共建的方式，，把真实天下的研究使命、情形与评测转化为可执行、可迁徙、可训练的规；；；；；芟，，让搜索爆发履历、履历进入训练、训练后的模子再回到搜索与评测。。。。。
OpenRSI的乐成标准不是某个一次性的Benchmark，，而是每一代系统都能以可验证、可归因的方式，，让下一代AI研发更快、更省、更强——把刷新速率自己酿成优化工具。。。。。在此基础上，，OpenRSI也将探索AI4AI模子与手艺向现实工业使命的迁徙，，通过「通专融合」，，把通用模子的推理与天生能力转化为行业中可评测、可交付、可一连进化的专业能力。。。。。
这或许才是Frontis-MA1从WAIC首次亮相走向本次正式宣布，，最值得关注的转变：
它交付的不是一个关于RSI的预言，，而是一台已经最先运转的、生产「刷新」的机械。。。。。
已往，，AI工业依赖人监视AI、构建AI、优化AI。。。。。
未来，，人类仍然界说目的、界线与责任，，但越来越多详细的刷新事情，，将由AI完成。。。。。
模子不再只是生产线最后的一件产品。。。。。
它最先走回生产线，，成为制造下一代智能的加入者。。。。。
手艺报告：https://arxiv.org/abs/2607.28568
GitHub链接：https://github.com/FrontisAI/OpenRSI
HuggingFace链接：https://huggingface.co/collections/FrontisAI/frontis-ma1
参考资料：
Anthropic Institute, When AI builds itself
TechCrunch, DeepMind’s David Silver just raised $1.1B to build an AI that learns without human data
TechCrunch, What happens when AI starts building itself?
Ricursive Intelligence, Raises $300 Million Series A at $4 Billion Valuation
Periodic Labs, Building AI scientists and autonomous laboratories
Sakana AI, Introducing the Recursive Self-Improvement Lab
Nature, Towards end-to-end automation of AI research
编辑：所罗门
