上个月，Anthropic在公开报告中预言AI即将迈入“递归自我提升”（RSI）阶段，并给出了一组数字：2024年3月，Claude 3 Opus只能替代人类完成4分钟的工作；一年后，3.7 Sonnet能扛下1.5小时的任务；最新4.6 Opus已能支撑12小时的连续工作。每7个月，AI承担人类工作时长的能力就翻一番，比摩尔定律还快。同一时间，由陈天桥出资并亲自掌舵的AI公司Apodex，将自己的首席科学家推到台前。他们只专注于一件事——打造能自己进化、专啃无解难题的“发现模型”。
这家公司的定位相当特别，不卷通用对话，也不磨编程辅助，而是直指“重型求解器”。他们要的模型，不是从已知信息中掏答案，而是生成人类从未提出的假设，自己想办法验证，去拆解医学、气候等尚未有标准答案的终极问题。实现路径就四个字：自我进化。Apodex的两位首席科学家——华盛顿大学副教授Simon杜少雷（推理模型与训练方向）和负责自我进化与编程方向的Beibin Li，在与《硅谷101》的对话中，勾勒出一条清晰的时间线。
自进化并不是新概念。三年前，Google就发表过“LLM as Optimizer”论文，用大语言模型当优化器来调优其他模块；同一时期，Beibin在微软研究院参与的AutoGen项目，也出现了“agent optimizer”和“teachable agent”——智能体教智能体，下次工作时可调用已有技能。那时模型能力还不够强，一次自优化顶多撑两三个小时，偏差和短板需要人频繁干预。转折点出现在模型写代码能力飙升之后。
“Anthropic有八成的代码是自己写的。”Beibin指出。合成数据的生成、自然语言数据的清理、自我训练学习的代码和算法，甚至底层基础设施的代码，本质上全是代码。模型写代码的能力一旦上来，用它来改写自己、训练自己，就成了最自然的水到渠成。今年初，Andrej Karpathy发布AutoResearch，把“AI自己搞科研”炸成行业热点，那种闭环动作被摆上台面：模型自己找问题、自己出题、自己解答、自己训练自己。
今年的不同，就藏在“递归”那一个字母里。过去像LLM as Optimizer那样的优化，是一次性的短链升级；现在模型能吞下长达几十小时、需要多个步骤互相印证的长程任务。以处理播客为例，它可以先剪辑音频，自己听一遍，发现裁错就重剪，来回循环数次，再推进到下一环节，全程无需人类盯着。能力变强，让同一个模型能在同一条任务链上反复自我提升多次，这才是递归自我提升（RSI）真正跑起来的底子。
“每一波方向，内核都是长链推理能力在往上走。”Beibin把Deep Research、Coding、自进化这三年热点串起来看，表面分属不同领域，实则是同一个引擎在不同磨坊里转动。他在Meta、xAI时期跟进的Agentic RL，用强化学习增强智能体用工具、写代码的能力，已经为现在的自进化埋下种子。一年前，他和Simon就断定模型自我提高绝对可行，当时他们所做的强化学习数据生成，就有一大块由代码驱动。
实现闭环的路径图，也被两位科学家勾出了关键节点。Beibin预言，最快半年，AI就能跑通一次完整的自进化流程——从假设生成、实验设计、数据收集到模型更新，形成一个圆环。但要进入持续的、可靠的递归提升，模型必须先过一关：成为自己的考官。它必须能自我验证，判断自己产出的假设对不对、实验设计是否稳健，这逼着模型练出“科学家的品味”——大胆假设之后，知道什么是好的求证。
而支撑模型吃下长程任务的硬核功夫，藏在架构创新里。“传统的Self-attention是O(n²)，当任务链条过长，计算成本会以平方级暴增。”Beibin解释，这正是技术攻坚的方向。虽然具体细节未展开，但信号已经清晰：从三年前的牛刀小试，到如今八成代码自写、任务链逐月翻倍，支撑递归自进化的每一个齿轮都在加速咬合。陈天桥押注的这个“发现模型”，正在把科幻中的自我进化，拉进一个半年倒计时的现实。
热门跟贴