a16z播客探讨递归自我改进：资源持平下性能提升初现迹象

OmniTools 10月13日消息，据a16z Show播客内容，Dhaval Adjodah与Owen He指出，在计算资源持平或下降的情况下，递归自我改进（RSI）已出现模型性能提升的初步迹象。RSI范式要求将AI模型自身作为优化对象，而非仅优化其输出。

当前，GPT-2可在单块GPU、相同训练数据条件下，数小时内以约100美元成本完成重训；但研究者Casado表示，尚未观察到GPT-5具备类似可复现的RSI证据。

专家强调，RSI要跨越现实工程与流程瓶颈实现规模化，仍需进一步验证。