AI研究者探讨递归自我改进进展与瓶颈

OmniTools 9月12日消息，多位AI研究者在近期讨论中指出，预计1–3年内可能出现能持续工作一个月的白领远程AI员工；约2年内AI辅助科研效率有望提升10倍；3–10年内或可覆盖大部分计算机相关工作。

研究者认为，模型蒸馏与部署反馈循环可能削弱头部实验室的技术护城河。但持续学习能力、仿真环境到现实世界的迁移能力，以及前沿高质量训练数据的日益枯竭，仍是递归自我改进（RSI）发展的主要风险点。

数据显示，训练数据质量提升带来的预训练效率增益约为12.0倍，显著高于架构优化带来的约3.7倍提升。