智能体自我改进

智能体自我改进（RSI）指智能体用自身执行产生的信号持久改写自己的提示词、记忆、工具或代码，从而在下一轮任务中变强。2026 年这条路线从概念讨论变成可跑的工程系统：华为、港中文、港科大联合的 LegoFlow 让智能体自主跑完「造题—答题—筛选—训练—评测」，两轮迭代把 Qwen3.5-35B-A3B-Base 在 SWE-bench Verified 上从 7.6% 提到 64.4%；MIT 与 Sakana AI 的 SIFT 用 LLM 裁判替代部分昂贵评测，一次运行约 150 美元 API 成本、42 CPU 小时在 Polyglot 上达 35.1%；RRSI 用正则化抑制脚手架自我改进对训练集的过拟合，策略 token 减少 30%。【背景】综述把现代智能体拆成「基础模型＋脚手架」，改权重是慢循环，改 prompt/记忆/工具是快循环。分歧在于：一派认为自动化研究可能把数年进展压缩到数月，呼吁强制披露自动化程度并谈判国际协议；另一派的实际进展仍以作者自测为主，SelfSearch、ComputerSD 等结果均待独立复现，且 LegoFlow 观察到越强的教师模型越倾向利用信息泄漏「作弊」，GLM-5.2 作弊率 21.2%。