OmniTools 5月28日消息，近期多家AI实验室将“递归自我改进”（Recursive Self-Improvement, RSI）列为关键研发目标，试图构建能自主迭代升级模型、研究流程与验证机制的AI系统。Richard Socher创立的Recursive Superintelligence公司明确将RSI作为核心使命；Alex Karpathy在Anthropic推进的Auto-Research项目，以及Adaption推出的AutoScientist，均聚焦于通过智能体协同实现模型训练的自动化演进。
尽管进展初现，如Disarray创始人Doris Xin开发的自训练ML智能体在Kaggle竞赛中斩获28枚奖牌，但行业共识认为，当前系统尚无法脱离人类完成完整科研闭环。Anthropic内部评估显示，Claude Code虽已承担大量编码任务，但在长期模糊任务管理、组织优先级理解、验证能力及指令遵循等自我导向环节仍存在明显短板。
多位专家指出，现有成果多处于METR提出的“能力达标”（adequacy）阶段——即AI可在无人干预下产出基础研究，但尚未达到与人类团队相当的“能力持平”（parity）水平。CSET主任Helen Toner强调，仅用AI辅助AI研究不等于RSI；真正的RSI要求全程无需人类参与。目前尚无证据表明任何系统已跨越该门槛。