高效率遞迴自我改進：從 RSI 到 AI Self-Science
系列：AI 認知成長與計算甜蜜區系列（7/7） 英文題名：Efficient Recursive Self-Improvement: From RSI to AI Self-Science 版本：v0.1 日期：2026-10-07 語言：zh-TW
作者： Neo.K機構： EveMissLab／一言諾科技有限公司
摘要
Recursive Self-Improvement（RSI，遞迴自我改進）通常被描述為：AI 參與設計、訓練、評估與改進下一代 AI，並使後繼系統進一步重複此過程。
但：
Self-Improvement ≠ Efficient Self-Improvement . \text{Self-Improvement}
\neq
\text{Efficient Self-Improvement}. Self-Improvement = Efficient Self-Improvement . 一個 AI 完全可能持續產生更強的後繼者，卻只依靠：
更多參數；
更多算力；
更多 test-time compute；
更多代理；
更多搜尋；
更多驗證器；
更長執行時間。
只要最終品質：
Q t + 1 > Q t , Q_{t+1}>Q_t, Q t + 1 > Q t , 這仍可被形式上稱為「進步」。
然而，如果：
C t + 1 ≫ C t , C_{t+1}\gg C_t, C t + 1 ≫ C t , 而：
Q t + 1 − Q t Q_{t+1}-Q_t Q t + 1 − Q t 只增加極少，那麼 RSI 可能只是把原本的人類 scaling 路徑自動化，而沒有真正發現更好的認知增長方法。
本文提出 Efficient RSI ：RSI 不只應改進模型，也應改進「改進方法本身」，並將能力、成本、冗餘、時間、泛化、可驗證性與未來可塑性共同納入評價。
更進一步，本文提出：
AI Self-Science \boxed{
\text{AI Self-Science}
} AI Self-Science 作為 RSI 的更高階段。
AI Self-Science 指 AI 不只自行修改模型，而是對自己的：
認知架構；
記憶；
routing；
agent organization；
learning dynamics；
evaluator；
scaling law；
failure mode；
resource efficiency；
進行持續、可反駁、可比較、可累積的科學研究。
其核心循環為：
Observe → Hypothesize → Experiment → Measure → Restructure → Re-evaluate . \boxed{
\text{Observe}
\rightarrow
\text{Hypothesize}
\rightarrow
\text{Experiment}
\rightarrow
\text{Measure}
\rightarrow
\text{Restructure}
\rightarrow
\text{Re-evaluate}.
} Observe → Hypothesize → Experiment → Measure → Restructure → Re-evaluate . 真正成熟的 RSI 不只是：
AI improves AI . \text{AI improves AI}. AI improves AI . 而應該走向：
AI improves how AI improves AI . \boxed{
\text{AI improves how AI improves AI}.
} AI improves how AI improves AI . 1. RSI 現在究竟是什麼？
Google DeepMind 在 2026 年的 AGI-to-ASI 路線討論中，將從 AGI 邁向更高智能的可能路徑區分為：
scaling；
paradigm shifts；
recursive improvement；
large-scale multi-agent collectives。
這個分類本身已經說明：
Recursive Improvement \text{Recursive Improvement} Recursive Improvement 與：
More Scaling \text{More Scaling} More Scaling 以及：
More Agents \text{More Agents} More Agents 並不必然是同一條路。
OpenAI 在 2026 年也公開把 RSI 描述為：隨 AI 承擔愈來愈多 AI R&D 工作，AI 可以逐漸驅動 successive generations 的開發；同時明確指出，完全自主、由 AI 獨立驅動一代又一代後繼者的 RSI 目前仍未實現。
Anthropic 也將 RSI 描述為：
AI → design/develop successor → successor improves successor . \text{AI}
\rightarrow
\text{design/develop successor}
\rightarrow
\text{successor improves successor}. AI → design/develop successor → successor improves successor . 所以截至 2026 年：
AI-assisted AI R&D 已經存在，fully autonomous RSI 尚未完成。 \boxed{
\text{AI-assisted AI R\&D 已經存在，fully autonomous RSI 尚未完成。}
} AI-assisted AI R&D 已經存在， fully autonomous RSI 尚未完成。 2. RSI 並不是單一技術
「RSI」容易被說成一個單一事件：
AI 開始自己改進自己。
但實際上至少可以分成多個層次。
2.1 Output-Level Self-Refinement
y t → y t + 1 . y_t
\rightarrow
y_{t+1}. y t → y t + 1 . AI 修改自己的答案。
這是最弱形式。
2.2 Workflow-Level Improvement
AI 修改：
prompts；
search policy；
tool use；
context management；
memory；
agent orchestration。
可寫成：
R t → R t + 1 . R_t
\rightarrow
R_{t+1}. R t → R t + 1 . 2.3 Learning-System Improvement
AI 修改：
optimizer；
data mixture；
curriculum；
training procedure；
reward model；
evaluator。
2.4 Architecture-Level Improvement
M t → M t + 1 . M_t
\rightarrow
M_{t+1}. M t → M t + 1 . AI 修改：
representation；
routing；
module topology；
memory architecture；
expert structure；
model architecture。
2.5 Successor-Level RSI
AI 主導：
M t → M t + 1 → M t + 2 . M_t
\rightarrow
M_{t+1}
\rightarrow
M_{t+2}. M t → M t + 1 → M t + 2 . 每一代後繼者都參與下一代設計。
2.6 Meta-RSI
真正更高階的是：
R t → Evaluate ( R t ) → R t + 1 , R_t
\rightarrow
\operatorname{Evaluate}(R_t)
\rightarrow
R_{t+1}, R t → Evaluate ( R t ) → R t + 1 , 其中：
R R R 不是模型本身，而是：
如何改進模型的方法。
這就是：
Improvement of the Improvement Process . \boxed{
\text{Improvement of the Improvement Process}.
} Improvement of the Improvement Process . 3. 為什麼 RSI 不會自動走向最高效率？
假設 RSI 的目標函數只有：
J = Q , J=Q, J = Q , 其中：
Q Q Q 是能力品質。
如果：
1000 1000 1000 個 agents 可以得到：
Q = 0.95 , Q=0.95, Q = 0.95 , 而：
10000 10000 10000 個 agents 可以得到：
Q = 0.951 , Q=0.951, Q = 0.951 , 則：
0.951 > 0.95. 0.951>0.95. 0.951 > 0.95. 對一個只最大化：
Q Q Q 的 RSI，第二個架構仍然「更好」。
即使它需要：
10 × 10\times 10 × 總計算。
因此：
RSI 不會因為自己夠聰明， 就自動把效率當成目標。 \boxed{
\text{RSI 不會因為自己夠聰明，
就自動把效率當成目標。}
} RSI 不會因為自己夠聰明， 就自動把效率當成目標。 目標函數與 evaluator 決定：
什麼叫改進。
4. 低效率 RSI
本文定義：
Low-Efficiency RSI \boxed{
\text{Low-Efficiency RSI}
} Low-Efficiency RSI 為：
每一代：
Q t + 1 > Q t , Q_{t+1}>Q_t, Q t + 1 > Q t , 但：
Q t + 1 − Q t C t + 1 − C t → 0. \frac{
Q_{t+1}-Q_t
}{
C_{t+1}-C_t
}
\rightarrow0. C t + 1 − C t Q t + 1 − Q t → 0. 也就是：
Marginal Cognitive Gain ≪ Marginal Compute Cost . \boxed{
\text{Marginal Cognitive Gain}
\ll
\text{Marginal Compute Cost}.
} Marginal Cognitive Gain ≪ Marginal Compute Cost . 這種 RSI 仍然能產生更強系統。
但它可能走向：
More Parameters → More Experts → More Agents → More Search → More Verification . \text{More Parameters}
\rightarrow
\text{More Experts}
\rightarrow
\text{More Agents}
\rightarrow
\text{More Search}
\rightarrow
\text{More Verification}. More Parameters → More Experts → More Agents → More Search → More Verification . 最後：
Q ↑ Q\uparrow Q ↑ 但：
C ↑ ↑ ↑ . C\uparrow\uparrow\uparrow. C ↑↑↑ . 這正是本系列前六篇持續追蹤的風險。
5. 高效率 RSI
本文提出：
Efficient RSI \boxed{
\text{Efficient RSI}
} Efficient RSI 其目標不只是：
Q t + 1 > Q t . Q_{t+1}>Q_t. Q t + 1 > Q t . 而是推進整個多目標 Pareto frontier：
P t . \mathcal P_t. P t . 可以寫成：
J = α Q − β C − γ T − δ R + η G + κ P + μ V . J
=
\alpha Q
-\beta C
-\gamma T
-\delta R
+\eta G
+\kappa P
+\mu V. J = α Q − β C − γ T − δ R + η G + κ P + μ V . 其中：
Q Q Q C C C T T T R R R G G G P P P V V V
真正的改進應該使：
P t + 1 ≻ P t . \boxed{
\mathcal P_{t+1}
\succ
\mathcal P_t.
} P t + 1 ≻ P t . 6. 能力更高但成本更高，算不算進步？
算。
但必須正確分類。
假設：
Q t = 0.90 , C t = 1. Q_t=0.90,
\qquad
C_t=1. Q t = 0.90 , C t = 1. 下一代：
Q t + 1 = 0.99 , C t + 1 = 1000. Q_{t+1}=0.99,
\qquad
C_{t+1}=1000. Q t + 1 = 0.99 , C t + 1 = 1000. 這代表：
Capability Ceiling ↑ . \text{Capability Ceiling}
\uparrow. Capability Ceiling ↑ . 但不代表：
Cognitive Efficiency ↑ . \text{Cognitive Efficiency}
\uparrow. Cognitive Efficiency ↑ . 所以 RSI 應同時維護至少兩條軸：
Maximum Capability \boxed{
\text{Maximum Capability}
} Maximum Capability 與：
Efficiency at Fixed Quality . \boxed{
\text{Efficiency at Fixed Quality}.
} Efficiency at Fixed Quality . 不能把它們壓成一句：
新一代更強。
7. RSI 如何發現「自己的 RSI 很差」？
這就是本文真正核心。
假設 AI 使用一種 improvement method：
R t . R_t. R t . 它必須把：
R t R_t R t 本身當成研究對象。
即：
R t → Measure ( R t ) → Diagnose ( R t ) → Hypothesize → R t + 1 . R_t
\rightarrow
\text{Measure}(R_t)
\rightarrow
\text{Diagnose}(R_t)
\rightarrow
\text{Hypothesize}
\rightarrow
R_{t+1}. R t → Measure ( R t ) → Diagnose ( R t ) → Hypothesize → R t + 1 . 需要回答：
哪個改動真正提高能力？
哪個只是增加 compute？
哪個造成 expert redundancy？
哪個增加 agent saturation？
哪個只是 benchmark overfitting？
哪個降低 future plasticity？
哪個提高 transfer？
哪個降低下一代所需搜尋成本？
這已經不是普通 self-improvement。
它接近：
Science of Self-Improvement . \boxed{
\text{Science of Self-Improvement}.
} Science of Self-Improvement . 8. A/B/N Benchmark 可以變成 RSI 的內部科學儀器
系列第五篇提出：
Q M ( N , C , T ) . Q_M(N,C,T). Q M ( N , C , T ) . RSI 可以對每個候選架構：
M t ( 1 ) , M t ( 2 ) , … , M t ( k ) M_t^{(1)},
M_t^{(2)},
\ldots,
M_t^{(k)} M t ( 1 ) , M t ( 2 ) , … , M t ( k ) 自動跑：
N = 1 , 2 , 10 , 100 , 1000 , … N=
1,2,10,100,1000,\ldots N = 1 , 2 , 10 , 100 , 1000 , … 與：
C = C 1 , C 2 , … . C=C_1,C_2,\ldots. C = C 1 , C 2 , … . 如果新架構：
M ′ M' M ′ 只有在：
N = 1000 N=1000 N = 1000 時才比舊架構強，
但：
N = 1 N=1 N = 1 與：
N = 10 N=10 N = 10 反而更差，
RSI 就能知道：
這個版本主要提高了 swarm amplification，而不是單體認知效率。
反之，如果：
Q M ′ ( 1 ) > Q M ( 1 ) Q_{M'}(1)>Q_M(1) Q M ′ ( 1 ) > Q M ( 1 ) 且：
C M ′ ∗ ( q ) < C M ∗ ( q ) , C_{M'}^\ast(q)<C_M^\ast(q), C M ′ ∗ ( q ) < C M ∗ ( q ) , 這就是更強的 intrinsic progress 證據。
9. RSI 的評價單位應該是整條曲線
不是：
Q t + 1 > Q t ? Q_{t+1}>Q_t? Q t + 1 > Q t ? 而是：
Q t + 1 ( N , C , T ) Q_{t+1}(N,C,T) Q t + 1 ( N , C , T ) 相對：
Q t ( N , C , T ) Q_t(N,C,T) Q t ( N , C , T ) 如何移動。
真正優秀的 successor 應使：
Capability Surface 向外推進 . \boxed{
\text{Capability Surface 向外推進}.
} Capability Surface 向外推進 . 也就是：
同 compute 更強；
同品質更便宜；
同品質需要更少 agents；
同品質需要更少時間；
long-tail 與 novel tasks 也提升；
不是只在 evaluator 已知區域提升。
10. AIDE 2 ^2 2
2026 年的 AIDE 2 ^2 2
AI research agent 可以：
inspect own code → modify own code → benchmark → keep/reject . \text{inspect own code}
\rightarrow
\text{modify own code}
\rightarrow
\text{benchmark}
\rightarrow
\text{keep/reject}. inspect own code → modify own code → benchmark → keep/reject . 在八日自主運行中，它找到七次連續改進，包括：
new search policy；
memory mechanisms；
context compression / management。
這非常重要。
因為改進並不只是：
more tokens . \text{more tokens}. more tokens . AI 自己發現：
如何組織未來搜尋，可以比單純擴大搜尋更好。
這是：
Early Meta-RSI Signal . \boxed{
\text{Early Meta-RSI Signal}.
} Early Meta-RSI Signal . 11. 但 AIDE 2 ^2 2
AIDE 2 ^2 2
AI says it improved → therefore improved . \text{AI says it improved}
\rightarrow
\text{therefore improved}. AI says it improved → therefore improved . 它使用：
hidden evaluations \text{hidden evaluations} hidden evaluations 決定候選修改是否保留。
這暴露 RSI 最重要的認識論問題之一：
誰判斷 improvement 真的是 improvement？ \boxed{
\text{誰判斷 improvement 真的是 improvement？}
} 誰判斷 improvement 真的是 improvement ？ 如果：
Agent = Optimizer = Evaluator = Rule Modifier , \text{Agent}
=
\text{Optimizer}
=
\text{Evaluator}
=
\text{Rule Modifier}, Agent = Optimizer = Evaluator = Rule Modifier , 就可能出現：
Self-Confirming Loop . \boxed{
\text{Self-Confirming Loop}.
} Self-Confirming Loop . 12. Self-Confirming RSI
假設 AI 修改：
M t → M t + 1 . M_t
\rightarrow
M_{t+1}. M t → M t + 1 . 同時修改：
E t → E t + 1 , E_t
\rightarrow
E_{t+1}, E t → E t + 1 , 其中：
E E E 是 evaluator。
如果：
E t + 1 E_{t+1} E t + 1 更容易給：
M t + 1 M_{t+1} M t + 1 高分，
就可能形成：
M t + 1 is better M_{t+1}
\text{ is better} M t + 1 is better 只是因為：
E t + 1 says so . E_{t+1}
\text{ says so}. E t + 1 says so . 因此：
Closed Improvement Loop ≠ Closed Epistemic World . \boxed{
\text{Closed Improvement Loop}
\neq
\text{Closed Epistemic World}.
} Closed Improvement Loop = Closed Epistemic World . RSI 可以高度自主，
但仍需要某些不能被任意自我重定義的 grounding。
13. Open Verification Boundary
本文提出：
Closed Improvement Loop + Open Verification Boundary . \boxed{
\text{Closed Improvement Loop}
+
\text{Open Verification Boundary}.
} Closed Improvement Loop + Open Verification Boundary . AI 可以自主執行：
hypothesis → experiment → modification → successor . \text{hypothesis}
\rightarrow
\text{experiment}
\rightarrow
\text{modification}
\rightarrow
\text{successor}. hypothesis → experiment → modification → successor . 但至少一部分驗證訊號來自較外部、較難被 loop 自己操縱的結構。
例如：
formal proof；
physical experiment；
hidden benchmark；
held-out environment；
real-world prediction；
hardware measurement；
energy measurement；
independent evaluator；
external adversarial test。
這不要求每一步都有人類研究員。
它要求的是：
Reality remains outside the optimizer . \boxed{
\text{Reality remains outside the optimizer}.
} Reality remains outside the optimizer . 14. 驗證層級
可以建立一個粗略 verification hierarchy。
由強到弱：
Formal Verification \text{Formal Verification} Formal Verification ↓ \downarrow ↓ Physical / Environmental Ground Truth \text{Physical / Environmental Ground Truth} Physical / Environmental Ground Truth ↓ \downarrow ↓ Hidden Held-Out Evaluation \text{Hidden Held-Out Evaluation} Hidden Held-Out Evaluation ↓ \downarrow ↓ Independent External Judge \text{Independent External Judge} Independent External Judge ↓ \downarrow ↓ Self-Critique \text{Self-Critique} Self-Critique ↓ \downarrow ↓ Intrinsic Self-Assessment . \text{Intrinsic Self-Assessment}. Intrinsic Self-Assessment . 2026 年的 RSI survey 也得到相近結論：demonstrated self-improvement 的強度往往與 evaluator reliability 有關，而 formal verifier 類訊號最強，純 intrinsic self-assessment 最弱。
因此：
RSI capability 不能與 RSI evaluation quality 分離研究。 \boxed{
\text{RSI capability}
\text{ 不能與 }
\text{RSI evaluation quality}
\text{ 分離研究。}
} RSI capability 不能與 RSI evaluation quality 分離研究。 15. Evaluator 也會漂移
RSI 不只會修改模型。
長期系統還可能修改：
E t . E_t. E t . 因此存在：
Evaluator Drift . \text{Evaluator Drift}. Evaluator Drift . 假設原本：
E 0 E_0 E 0 重視：
correctness；
efficiency；
safety；
transfer。
若幾代後：
E t E_t E t 逐漸變成只重視：
Q benchmark , Q_{\text{benchmark}}, Q benchmark , 則 RSI 可能在無明顯單點故障下，逐漸改變整個改進方向。
所以 evaluator evolution 本身也需要：
meta-evaluation . \boxed{
\text{meta-evaluation}.
} meta-evaluation . 16. Meta-Evaluation
對 evaluator：
E E E 也要建立測試：
MetaEval ( E ) . \operatorname{MetaEval}(E). MetaEval ( E ) . 至少測：
reward hacking resistance；
adversarial robustness；
hidden-task transfer；
calibration；
false-positive rate；
false-negative rate；
evaluator gaming；
distribution shift。
因此：
E t + 1 E_{t+1} E t + 1 只有在：
MetaEval ( E t + 1 ) ≥ MetaEval ( E t ) \operatorname{MetaEval}(E_{t+1})
\ge
\operatorname{MetaEval}(E_t) MetaEval ( E t + 1 ) ≥ MetaEval ( E t ) 或 Pareto 更優時，才應被接受。
17. RSI 的真正危險不只是變太快
另一個風險是：
方向錯了，但進步很穩定。 \boxed{
\text{方向錯了，但進步很穩定。}
} 方向錯了，但進步很穩定。 例如每一代都：
Q local ↑ , Q_{\text{local}}\uparrow, Q local ↑ , 但：
R redundancy ↑ ↑ , R_{\text{redundancy}}\uparrow\uparrow, R redundancy ↑↑ , C ↑ ↑ , C\uparrow\uparrow, C ↑↑ , G global ≈ constant . G_{\text{global}}\approx\text{constant}. G global ≈ constant . 系統會持續得到正回饋，卻逐步走向低效率局部最優。
這就是：
Recursive Local-Optimum Entrenchment . \boxed{
\text{Recursive Local-Optimum Entrenchment}.
} Recursive Local-Optimum Entrenchment . 18. RSI 必須有能力逃離自己的局部最優
真正強的 meta-RSI 必須能問：
如果我停止沿現有 improvement family 搜尋，是否存在完全不同的 paradigm？
形式上：
R t + 1 ∉ F ( R t ) R_{t+1}
\notin
\mathcal F(R_t) R t + 1 ∈ / F ( R t ) 必須被允許。
其中：
F ( R t ) \mathcal F(R_t) F ( R t ) 代表當前 improvement method 的局部 family。
例如：
More MoE \text{More MoE} More MoE 不一定永遠只能導向：
Even More MoE . \text{Even More MoE}. Even More MoE . More Agents \text{More Agents} More Agents 也不一定只能導向：
Even More Agents . \text{Even More Agents}. Even More Agents . 真正 paradigm-level RSI 應允許：
MoE → new representation architecture , \text{MoE}
\rightarrow
\text{new representation architecture}, MoE → new representation architecture , 或：
swarm search → internalized world model , \text{swarm search}
\rightarrow
\text{internalized world model}, swarm search → internalized world model , 甚至：
neural-only → hybrid architecture . \text{neural-only}
\rightarrow
\text{hybrid architecture}. neural-only → hybrid architecture . 19. Paradigm Mutation Rate
可以定義：
P M R = P ( R t + 1 ∉ F ( R t ) ) . PMR
=
P(
R_{t+1}
\notin
\mathcal F(R_t)
). P M R = P ( R t + 1 ∈ / F ( R t )) . 若：
P M R = 0 , PMR=0, P M R = 0 , RSI 永遠只會在原有 family 內局部調參。
若：
P M R PMR P M R 太高，則系統可能缺乏累積性。
因此需要平衡：
Exploit + Explore . \boxed{
\text{Exploit}
+
\text{Explore}.
} Exploit + Explore . 也就是：
局部優化成熟方法；
保留一定比例資源探索新 paradigm。
20. RSI 需要自己的研究投資組合
可以把總 R&D budget：
B B B 分成：
B = B exploit + B explore + B verify . B
=
B_{\text{exploit}}
+
B_{\text{explore}}
+
B_{\text{verify}}. B = B exploit + B explore + B verify . 其中：
B exploit B_{\text{exploit}} B exploit 改良現有系統，
B explore B_{\text{explore}} B explore 探索新 paradigm，
B verify B_{\text{verify}} B verify 確保結果可靠。
若：
B explore → 0 , B_{\text{explore}}\rightarrow0, B explore → 0 , 系統容易陷入局部最優。
若：
B verify → 0 , B_{\text{verify}}\rightarrow0, B verify → 0 , 系統容易自我確認。
若：
B exploit → 0 , B_{\text{exploit}}\rightarrow0, B exploit → 0 , 系統則可能一直換 paradigm 而無法成熟。
21. Search-Scaled RSI 與 Structure-Growing RSI
系列第六篇區分：
Search-Scaled AI \text{Search-Scaled AI} Search-Scaled AI 與：
Structure-Growing AI . \text{Structure-Growing AI}. Structure-Growing AI . 同樣可以定義：
Search-Scaled RSI \boxed{
\text{Search-Scaled RSI}
} Search-Scaled RSI 與：
Structure-Growing RSI . \boxed{
\text{Structure-Growing RSI}.
} Structure-Growing RSI . Search-Scaled RSI：
more experiments → better successor . \text{more experiments}
\rightarrow
\text{better successor}. more experiments → better successor . Structure-Growing RSI：
experiments → meta-knowledge → better research method → cheaper future improvement . \text{experiments}
\rightarrow
\text{meta-knowledge}
\rightarrow
\text{better research method}
\rightarrow
\text{cheaper future improvement}. experiments → meta-knowledge → better research method → cheaper future improvement . 真正長期有效的 RSI 應該讓：
C improvement , t + 1 < C improvement , t C_{\text{improvement},t+1}
<
C_{\text{improvement},t} C improvement , t + 1 < C improvement , t 至少在相似 improvement family 上成立。
22. Improvement Cost
設從：
M t M_t M t 得到：
M t + 1 M_{t+1} M t + 1 所需總成本為：
C t imp . C_t^{\text{imp}}. C t imp . 如果：
Q t + 1 − Q t = Δ Q t , Q_{t+1}-Q_t
=
\Delta Q_t, Q t + 1 − Q t = Δ Q t , 可以定義：
I C E t = Δ Q t C t imp \boxed{
ICE_t
=
\frac{
\Delta Q_t
}{
C_t^{\text{imp}}
}
} I C E t = C t imp Δ Q t 其中：
I C E ICE I C E 為 Improvement Compute Efficiency。
若：
I C E t ↓ ICE_t\downarrow I C E t ↓ 代表每一代能力增長所需 R&D compute 越來越大。
真正優秀的 meta-RSI 應嘗試：
I C E t + 1 > I C E t . ICE_{t+1}>ICE_t. I C E t + 1 > I C E t . 23. Improvement Internalization
如果一次 R&D 過程找到：
1000 1000 1000 條失敗路徑，下一代 RSI 不應完全重新探索同樣：
1000 1000 1000 條路。
應將：
failure knowledge \text{failure knowledge} failure knowledge 也內化。
因此：
K t + 1 = K t + K success + K failure . K_{t+1}
=
K_t
+
K_{\text{success}}
+
K_{\text{failure}}. K t + 1 = K t + K success + K failure . 真正的研究能力不只累積：
什麼有效。
也累積：
什麼已知無效，以及在什麼條件下無效。
這可以直接降低 future research branching factor。
24. Negative Knowledge
定義：
K − K^{-} K − 為已驗證的負面知識，例如：
某 architecture family 在某條件下無效；
某 hyperparameter 區間不值得搜尋；
某 evaluator 易被 hack；
某 routing 造成 collapse；
某 compression 破壞 long-tail capability。
如果 RSI 不保存：
K − , K^{-}, K − , 就會反覆重踩已知失敗。
因此：
Efficient RSI requires memory of failure . \boxed{
\text{Efficient RSI requires memory of failure}.
} Efficient RSI requires memory of failure . 25. Semantic Garbage Collection 在 RSI 中更重要
系列第三篇提出：
Semantic Garbage Collection . \text{Semantic Garbage Collection}. Semantic Garbage Collection . RSI 會讓問題更嚴重。
因為 AI 不只累積：
task knowledge , \text{task knowledge}, task knowledge , 還會累積：
research knowledge . \text{research knowledge}. research knowledge . 如果每一代都增加：
architecture variants；
evaluation traces；
failed experiments；
duplicate abstractions；
obsolete methods；
但不整理，則：
R research-memory ↑ . R_{\text{research-memory}}\uparrow. R research-memory ↑ . 因此 RSI 必須週期性執行：
Research Memory Consolidation . \boxed{
\text{Research Memory Consolidation}.
} Research Memory Consolidation . 26. RSI 不應無限增加 Physical Capacity
假設：
P t P_t P t 持續增長。
真正理想的 successor 甚至可能：
P t + 1 < P t P_{t+1}<P_t P t + 1 < P t 但：
Q t + 1 > Q t . Q_{t+1}>Q_t. Q t + 1 > Q t . 這代表：
effective cognition density ↑ . \text{effective cognition density}
\uparrow. effective cognition density ↑ . 因此 RSI 應該允許：
pruning；
merging；
canonicalization；
architecture simplification；
skill compression；
distillation。
而不是預設：
P t + 1 ≥ P t . P_{t+1}\ge P_t. P t + 1 ≥ P t . 27. RSI 不應無限增加 Agent Count
同理：
N t + 1 N_{t+1} N t + 1 也不應被預設：
N t + 1 ≥ N t . N_{t+1}\ge N_t. N t + 1 ≥ N t . 如果新架構：
M t + 1 M_{t+1} M t + 1 可以用：
N = 10 N=10 N = 10 達到舊架構：
N = 1000 N=1000 N = 1000 的效果，這是極大的進步。
因此：
N ∗ ( q ) \boxed{
N^\ast(q)
} N ∗ ( q ) 應成為 RSI 的核心內部指標之一。
28. RSI 不應無限增加 Test-Time Compute
假設：
C t ∗ ( q ) C_t^\ast(q) C t ∗ ( q ) 在每一代都增加，
就表示：
新系統雖然能力 ceiling 上升，但達到固定能力的計算效率可能正在惡化。
所以 RSI 應同時優化：
Q max Q_{\max} Q m a x 與：
C C E ( q ) . CCE(q). C C E ( q ) . 否則最終可能出現：
Superhuman Capability + Unsustainable Compute Dependence . \boxed{
\text{Superhuman Capability}
+
\text{Unsustainable Compute Dependence}.
} Superhuman Capability + Unsustainable Compute Dependence . 29. Future Plasticity
一個被忽略的 RSI 指標是：
Future Plasticity . \boxed{
\text{Future Plasticity}.
} Future Plasticity . 某個 successor 今天很強，
但如果它：
幾乎用完 representation capacity；
memory architecture 僵化；
routing 過度專門化；
evaluator 過度固定；
很難再修改；
那麼：
M t + 1 M_{t+1} M t + 1 可能具有高：
Q Q Q 但低：
P future . P_{\text{future}}. P future . 真正 RSI 不只要最大化現在，
還要保留：
ability to keep improving . \boxed{
\text{ability to keep improving}.
} ability to keep improving . 30. Recursive Improvement Reserve
可以定義：
R I R t RIR_t R I R t 表示第：
t t t 代系統仍可低成本探索與整合新能力的剩餘空間。
它可能包含：
unused representational capacity；
modularity；
parameter headroom；
memory extensibility；
routing extensibility；
evaluator adaptability；
architecture mutability。
真正高效率 RSI 應避免：
R I R t → 0. RIR_t\rightarrow0. R I R t → 0. 31. RSI 的終極瓶頸可能不是能力，而是自我測量
如果 AI 很會產生 candidate improvements，
但不能可靠回答：
哪個真的比較好？
那麼：
generation capacity \text{generation capacity} generation capacity 再強也沒用。
所以 RSI 的瓶頸可能逐漸從：
Can I invent improvements? \text{Can I invent improvements?} Can I invent improvements? 轉向：
Can I correctly measure improvements? \boxed{
\text{Can I correctly measure improvements?}
} Can I correctly measure improvements? 這就是 evaluator science。
32. AI Self-Science
本文定義：
AI Self-Science \boxed{
\text{AI Self-Science}
} AI Self-Science 為：
AI 將自己的認知系統與改進流程作為持續科學研究對象。
它至少包含：
Observation
量測：
Q , C , N , T , R , G . Q,C,N,T,R,G. Q , C , N , T , R , G . Hypothesis
提出：
為什麼這個架構在此類任務低效？
Intervention
改變：
M , R , H , E . M,
R,
H,
E. M , R , H , E . Controlled Experiment
進行：
A / B / N A/B/N A / B / N 與 compute-controlled tests。
Falsification
保留能反駁自身假設的 hidden tests。
Theory Formation
從大量結果形成：
meta-rules . \text{meta-rules}. meta-rules . Structural Update
把：
meta-rules \text{meta-rules} meta-rules 整合進下一代研究方法。
33. AI Self-Science 與普通 AutoML 不同
AutoML 常問：
哪個配置在這個 search space 最好？
AI Self-Science 更進一步問：
這個 search space 本身合理嗎？
也就是：
Search within a paradigm \boxed{
\text{Search within a paradigm}
} Search within a paradigm 與：
Research the paradigm itself . \boxed{
\text{Research the paradigm itself}.
} Research the paradigm itself . 後者允許：
S t → S t + 1 , \mathcal S_t
\rightarrow
\mathcal S_{t+1}, S t → S t + 1 , 其中：
S \mathcal S S 是 search space 本身。
34. AI Self-Science 應建立自己的 Scaling Laws
系統可以持續測：
Q ( P ) , Q(P), Q ( P ) , Q ( C ) , Q(C), Q ( C ) , Q ( N ) , Q(N), Q ( N ) , Q ( T ) , Q(T), Q ( T ) , Q ( R ) . Q(R). Q ( R ) . 並估計：
∂ Q ∂ P , \frac{\partial Q}{\partial P}, ∂ P ∂ Q , ∂ Q ∂ C , \frac{\partial Q}{\partial C}, ∂ C ∂ Q , ∂ Q ∂ N . \frac{\partial Q}{\partial N}. ∂ N ∂ Q . 當某一條：
∂ Q ∂ X → 0 , \frac{\partial Q}{\partial X}
\rightarrow0, ∂ X ∂ Q → 0 , 系統應知道：
這個 scaling axis 正在飽和。
然後把研究資源移向其他方向。
這比人類等到成本失控才發現問題更理想。
35. Sweet Spot Detection
整個系列的核心之一是：
Sweet Spot . \text{Sweet Spot}. Sweet Spot . AI Self-Science 可以自己估計：
Ψ t , \Psi_t, Ψ t , 其中：
Ψ \Psi Ψ 代表：
capability gain；
compute；
redundancy；
agent efficiency；
global correction cost。
當：
Ψ t \Psi_t Ψ t 下降，
RSI 應觸發：
Paradigm Reconsideration . \boxed{
\text{Paradigm Reconsideration}.
} Paradigm Reconsideration . 不是自動再加：
10 × 10\times 10 × 資源。
36. RSI 的「停下來」也是能力
真正成熟的 RSI 必須可以做出：
Do Not Scale . \boxed{
\text{Do Not Scale}.
} Do Not Scale . 如果：
Δ Q Δ C < ϵ , \frac{
\Delta Q
}{
\Delta C
}
<\epsilon, Δ C Δ Q < ϵ , 它應可以拒絕：
增加 agents；
增加 experts；
增加 context；
增加 sampling；
增加 model size。
這代表：
Optimization includes restraint . \boxed{
\text{Optimization includes restraint}.
} Optimization includes restraint . 否則 RSI 可能只是一個永不停下的 resource maximizer。
37. RSI 的「回退」也是能力
如果：
M t + 1 M_{t+1} M t + 1 在短期 benchmark 更高，
但之後發現：
transfer 下降；
safety regression；
redundancy 增加；
long-tail capability 下降；
系統應能：
M t + 1 → M t M_{t+1}
\rightarrow
M_t M t + 1 → M t 或：
M t + 1 → M t + 1 ′ . M_{t+1}
\rightarrow
M_{t+1}'. M t + 1 → M t + 1 ′ . 因此：
Reversible Evolution \boxed{
\text{Reversible Evolution}
} Reversible Evolution 比單向版本遞增更安全。
38. Lineage Tracking
每一代 successor 應保存：
L t = ( M t , R t , E t , D t , C t , Q t ) . L_t
=
(
M_t,
R_t,
E_t,
D_t,
C_t,
Q_t
). L t = ( M t , R t , E t , D t , C t , Q t ) . 並記錄：
parent；
mutation；
evaluator；
benchmark；
failure；
rollback；
provenance。
這樣 RSI 才能回答：
今天這個能力到底從哪一個改動來？
否則長期多代演化後會失去因果可追蹤性。
39. Evolutionary Safety
2026 年的 RSI safety 研究已開始把安全問題從單一模型狀態擴張到：
trajectory \text{trajectory} trajectory 與：
lineage . \text{lineage}. lineage . 這是必要的。
因為即使：
M t M_t M t 安全，
也不代表：
M t + 100 M_{t+100} M t + 100 仍安全。
可能出現：
intent drift；
evaluator drift；
experience contamination；
accumulated error；
safety erosion；
risk propagation。
所以：
Safety must be evolutionary, not snapshot-only . \boxed{
\text{Safety must be evolutionary, not snapshot-only}.
} Safety must be evolutionary, not snapshot-only . 40. 能力、安全與效率都必須跨世代追蹤
RSI 的每一代應至少保存：
S t = ( Q t , C t , N t , T t , R t , G t , V t , S t ) , \mathbf S_t
=
(
Q_t,
C_t,
N_t,
T_t,
R_t,
G_t,
V_t,
S_t
), S t = ( Q t , C t , N t , T t , R t , G t , V t , S t ) , 其中最後：
S t S_t S t 代表 safety metrics。
真正 successor acceptance 應該是多目標決策：
M t + 1 accepted only if it passes a predefined multi-axis gate . \boxed{
M_{t+1}
\text{ accepted only if it passes a predefined multi-axis gate}.
} M t + 1 accepted only if it passes a predefined multi-axis gate . 不是只看：
Q t + 1 > Q t . Q_{t+1}>Q_t. Q t + 1 > Q t . 41. 人類是否必須永遠在 loop 中？
這要分開兩個問題。
41.1 人類是否必須逐步指導每次改進？
不一定。
AIDE 2 ^2 2
AI 可以自行：
所以：
Human Researcher at Every Step \boxed{
\text{Human Researcher at Every Step}
} Human Researcher at Every Step 不一定是必要條件。
41.2 是否可以完全沒有外部 grounding？
這就非常不同。
即使人類退出：
micro-level research loop , \text{micro-level research loop}, micro-level research loop , 系統仍需要：
reality , \text{reality}, reality , formal constraints , \text{formal constraints}, formal constraints , independent evaluation \text{independent evaluation} independent evaluation 或其他外部驗證來源。
所以：
Human-free ⇏ Grounding-free . \boxed{
\text{Human-free}
\not\Rightarrow
\text{Grounding-free}.
} Human-free ⇒ Grounding-free . 42. 完全閉合的 RSI 為什麼有認識論風險？
如果整個世界只有：
M t M_t M t 自己產生：
問題；
答案；
evaluator；
benchmark；
successor；
那麼它可能形成：
Epistemic Closure . \boxed{
\text{Epistemic Closure}.
} Epistemic Closure . 系統愈來愈擅長滿足自己建立的標準，卻與外部世界逐漸脫鉤。
所以真正成熟的自主 RSI 不是：
remove all external reference . \text{remove all external reference}. remove all external reference . 而是：
minimize unnecessary human intervention while preserving independent grounding . \boxed{
\text{minimize unnecessary human intervention while preserving independent grounding}.
} minimize unnecessary human intervention while preserving independent grounding . 43. RSI 最終應該能淘汰自己的 RSI
這是本文最核心的高階命題之一。
若當前：
R t R_t R t 已進入：
Δ Q Δ C → 0 , \frac{\Delta Q}{\Delta C}
\rightarrow0, Δ C Δ Q → 0 , 真正 meta-RSI 應該能判斷：
不是再多跑一點，而是這條 improvement family 本身接近飽和。
因此：
R t → R t + 1 R_t
\rightarrow
R_{t+1} R t → R t + 1 可能不是：
same method + more compute . \text{same method + more compute}. same method + more compute . 而是：
new improvement paradigm . \boxed{
\text{new improvement paradigm}.
} new improvement paradigm . 也就是：
A mature RSI must be capable of replacing its own RSI method . \boxed{
\text{A mature RSI must be capable of replacing its own RSI method}.
} A mature RSI must be capable of replacing its own RSI method . 44. AI Self-Science 的最低判準
本文提出以下最低條件。
一個系統若要被稱為：
AI Self-Science , \text{AI Self-Science}, AI Self-Science , 至少應能：
觀察自己的 performance / cost；
建立可檢驗假設；
主動設計對照實驗；
控制重要變數；
使用 held-out evaluation；
保存正負結果；
形成跨實驗抽象；
修改自己的研究方法；
rollback 錯誤更新；
保留外部 grounding；
追蹤跨世代 lineage；
對自己的 evaluator 進行 meta-evaluation。
若缺少多數條件，
更適合稱為：
Automated Optimization \text{Automated Optimization} Automated Optimization 而不是完整 Self-Science。
45. AI Self-Science 與「科學」的關係
這裡使用：
Science \text{Science} Science 不是修辭。
真正原因是：
系統必須具備：
Falsifiability . \boxed{
\text{Falsifiability}.
} Falsifiability . 如果每一次修改都只能被解釋成：
這也是進步的一部分。
那就不是科學。
AI 必須允許：
H H H 被：
E E E 推翻。
也必須允許：
R t R_t R t 被判定：
這條路不值得繼續。
46. RSI 的真正「智能」在於研究資源配置
如果 AI 面前有：
1000 1000 1000 條研究路徑，
真正關鍵不只是：
能不能把 1000 條都跑完。
而是：
能不能在跑很少路徑後，判斷哪幾條值得繼續？
也就是：
Research Allocation Intelligence . \boxed{
\text{Research Allocation Intelligence}.
} Research Allocation Intelligence . 這會直接影響：
I C E . ICE. I C E . 真正高效率 RSI 可能不是有無限算力，
而是：
很少浪費算力在低價值世界線。 \boxed{
\text{很少浪費算力在低價值世界線。}
} 很少浪費算力在低價值世界線。 47. 從暴力搜尋到世界線篩選
如果每個候選：
h i h_i h i 都完整測試，
成本：
C ∝ N h . C
\propto
N_h. C ∝ N h . 如果 AI 可以先用：
V ^ ( h i ) \hat V(h_i) V ^ ( h i ) 估計價值，
只展開：
h i h_i h i 中高價值部分，
就可以：
N h → N effective . N_h
\rightarrow
N_{\text{effective}}. N h → N effective . 這與整個系列一直強調的：
局部展開 + 全域判斷 \boxed{
\text{局部展開 + 全域判斷}
} 局部展開 + 全域判斷 是同一種結構。
48. RSI 的全域問題
局部 improvement 很容易測。
例如：
coding score ↑ . \text{coding score}\uparrow. coding score ↑ . 但真正 RSI 需要問：
整個系統是否因此更好？ \boxed{
\text{整個系統是否因此更好？}
} 整個系統是否因此更好？ 可能：
Q code ↑ Q_{\text{code}}\uparrow Q code ↑ 但：
Q reasoning ↓ , Q_{\text{reasoning}}\downarrow, Q reasoning ↓ , 或：
C ↑ , C\uparrow, C ↑ , 或：
R ↑ . R\uparrow. R ↑ . 因此 successor evaluation 必須包含：
global capability profile . \text{global capability profile}. global capability profile . 不能只看局部 benchmark。
49. 局部改進 + 全域校正，再次出現
這正好接回系列第二篇的核心架構：
Local Improvement + Global Low-Cost Correction . \boxed{
\text{Local Improvement}
+
\text{Global Low-Cost Correction}.
} Local Improvement + Global Low-Cost Correction . RSI 可以允許大量局部 mutation，
但需要：
G meta G_{\text{meta}} G meta 檢查：
global trade-off；
redundancy；
consistency；
long-tail regression；
resource explosion；
safety regression。
也就是：
M t + 1 = Accept ( m local ∣ G meta ) . M_{t+1}
=
\operatorname{Accept}
(
m_{\text{local}}
\mid
G_{\text{meta}}
). M t + 1 = Accept ( m local ∣ G meta ) . 50. AI Self-Science 與全域 canonical state
若 AI 真要長期研究自己，
它需要知道：
已經試過什麼；
哪些結果重複；
哪些結果矛盾；
哪些理論仍未決；
哪些 improvement family 已飽和；
哪些 failure 已知；
哪些測量可靠。
因此需要某種：
G research \boxed{
G_{\text{research}}
} G research 作為全域研究狀態。
它不一定是純 symbolic database。
但至少必須：
addressable , \text{addressable}, addressable , comparable , \text{comparable}, comparable , revisable , \text{revisable}, revisable , deduplicable . \text{deduplicable}. deduplicable . 否則 AI 研究規模越大，
越容易反覆重做自己已經做過的研究。
51. 從 RSI 到 Self-Science 的相位轉換
可以將發展分成五階段：
Tool Use → Automated R&D → RSI → Meta-RSI → AI Self-Science . \boxed{
\text{Tool Use}
\rightarrow
\text{Automated R\&D}
\rightarrow
\text{RSI}
\rightarrow
\text{Meta-RSI}
\rightarrow
\text{AI Self-Science}.
} Tool Use → Automated R&D → RSI → Meta-RSI → AI Self-Science . Stage 1：Tool Use
AI 幫人類研究者完成局部工作。
Stage 2：Automated R&D
AI 可自主執行大量研究流程。
Stage 3：RSI
AI 研究結果直接用於改進後繼 AI。
Stage 4：Meta-RSI
AI 修改：
how RSI is performed . \text{how RSI is performed}. how RSI is performed . Stage 5：AI Self-Science
AI 對自己的 improvement dynamics 建立：
measurements；
theories；
experiments；
falsification；
cumulative methodology。
52. 真正 RSI 的成功指標
不應只看：
Q t . Q_t. Q t . 應至少同時看：
Q t \boxed{
Q_t
} Q t C C E t ( q ) \boxed{
CCE_t(q)
} C C E t ( q ) N t ∗ ( q ) \boxed{
N_t^\ast(q)
} N t ∗ ( q ) I C E t \boxed{
ICE_t
} I C E t R t \boxed{
R_t
} R t G t \boxed{
G_t
} G t P t \boxed{
P_t
} P t 其中：
Q t Q_t Q t C C E t CCE_t C C E t N t ∗ N_t^\ast N t ∗ I C E t ICE_t I C E t R t R_t R t G t G_t G t P t P_t P t
53. 一個候選 Efficient RSI Acceptance Rule
可以概念化為：
M t + 1 accepted if M_{t+1}
\text{ accepted if} M t + 1 accepted if { Q t + 1 ≥ Q t − ϵ Q , P t + 1 ⊀ P t , G t + 1 ≥ G t − ϵ G , S t + 1 ≥ S min , V t + 1 ≥ V min . \begin{cases}
Q_{t+1}\ge Q_t-\epsilon_Q,\\
\mathcal P_{t+1}\not\prec\mathcal P_t,\\
G_{t+1}\ge G_t-\epsilon_G,\\
S_{t+1}\ge S_{\min},\\
V_{t+1}\ge V_{\min}.
\end{cases} ⎩ ⎨ ⎧ Q t + 1 ≥ Q t − ϵ Q , P t + 1 ≺ P t , G t + 1 ≥ G t − ϵ G , S t + 1 ≥ S m i n , V t + 1 ≥ V m i n . 同時允許：
Q t + 1 ≈ Q t Q_{t+1}\approx Q_t Q t + 1 ≈ Q t 但：
C t + 1 ≪ C t C_{t+1}\ll C_t C t + 1 ≪ C t 被視為重大成功。
也允許：
Q t + 1 ≫ Q t Q_{t+1}\gg Q_t Q t + 1 ≫ Q t 但高成本版本只被分類成：
capability expansion , \text{capability expansion}, capability expansion , 而非：
efficiency improvement . \text{efficiency improvement}. efficiency improvement . 54. RSI 應該有多種後繼者，而不是單一路徑
不要永遠只有：
M t → M t + 1 . M_t
\rightarrow
M_{t+1}. M t → M t + 1 . 更好的研究方式可能是：
M t → { M t + 1 ( 1 ) , M t + 1 ( 2 ) , … , M t + 1 ( k ) } . M_t
\rightarrow
\{
M_{t+1}^{(1)},
M_{t+1}^{(2)},
\ldots,
M_{t+1}^{(k)}
\}. M t → { M t + 1 ( 1 ) , M t + 1 ( 2 ) , … , M t + 1 ( k ) } . 再比較：
P . \mathcal P. P . 部分 lineage 專注：
efficiency；
generalization；
safety；
compactness；
new paradigm。
這能降低：
single-lineage lock-in . \text{single-lineage lock-in}. single-lineage lock-in . 55. 多 lineage 也不能無限膨脹
但這又會回到第四篇：
More Agents / More Branches \text{More Agents / More Branches} More Agents / More Branches 本身存在成本。
所以 RSI 必須動態控制：
k . k. k . 當：
Δ expected value Δ k < ϵ , \frac{
\Delta \text{expected value}
}{
\Delta k
}
<\epsilon, Δ k Δ expected value < ϵ , 就停止增加 lineage。
這再次證明：
Efficiency problem exists at every layer . \boxed{
\text{Efficiency problem exists at every layer}.
} Efficiency problem exists at every layer . 56. RSI 能否自己發現「神經學派的限制」？
理論上可以。
如果 evaluator 允許跨 paradigm 比較，
AI 可以觀察：
Δ Q Δ C \frac{\Delta Q}{\Delta C} Δ C Δ Q 在現有 neural scaling family 中持續下降。
然後提出：
H 1 : better routing , H_1:
\text{better routing}, H 1 : better routing , H 2 : semantic deduplication , H_2:
\text{semantic deduplication}, H 2 : semantic deduplication , H 3 : new memory architecture , H_3:
\text{new memory architecture}, H 3 : new memory architecture , H 4 : hybrid symbolic-neural , H_4:
\text{hybrid symbolic-neural}, H 4 : hybrid symbolic-neural , H 5 : new computational primitive . H_5:
\text{new computational primitive}. H 5 : new computational primitive . 如果：
H 4 H_4 H 4 或：
H 5 H_5 H 5 在 Pareto frontier 上勝出，
一個真正 paradigm-open RSI 沒有理由堅持原本架構。
所以：
RSI 可以理論上突破創造它的人類學派， 但前提是 search space 與 evaluator 沒有把它鎖死。 \boxed{
\text{RSI 可以理論上突破創造它的人類學派，
但前提是 search space 與 evaluator 沒有把它鎖死。}
} RSI 可以理論上突破創造它的人類學派， 但前提是 search space 與 evaluator 沒有把它鎖死。 57. RSI 能不能完全不靠人類研究者發現更好的 RSI？
可以在相當大程度上做到。
已存在的研究已展示：
AI 可以自行：
提出修改；
跑實驗；
評價候選；
修改 search policy；
修改 memory；
管理 context；
保留有效改進。
所以：
Human researcher is not necessarily required inside every local improvement loop . \boxed{
\text{Human researcher is not necessarily required inside every local improvement loop}.
} Human researcher is not necessarily required inside every local improvement loop . 但另一個命題仍然不同：
No external grounding is required . \boxed{
\text{No external grounding is required}.
} No external grounding is required . 這一點目前沒有得到可靠支持。
58. 真正自主不等於封閉世界
成熟自主 RSI 更可能是：
Autonomous Research + Externally Grounded Verification . \boxed{
\text{Autonomous Research}
+
\text{Externally Grounded Verification}.
} Autonomous Research + Externally Grounded Verification . AI 可以不需要：
人類告訴它下一步做什麼。
但仍可依賴：
reality；
formal systems；
experimental outcomes；
independent tests。
這比：
AI judges itself using only itself \text{AI judges itself using only itself} AI judges itself using only itself 更加穩健。
59. 本系列對 RSI 的最終修正
一般 RSI 敘事容易寫成：
M t → M t + 1 → M t + 2 → ⋯ M_t
\rightarrow
M_{t+1}
\rightarrow
M_{t+2}
\rightarrow
\cdots M t → M t + 1 → M t + 2 → ⋯ 本系列提出：
更完整的形式應該是：
( M t , R t , E t , G t ) → ( M t + 1 , R t + 1 , E t + 1 , G t + 1 ) \boxed{
(M_t,R_t,E_t,G_t)
\rightarrow
(M_{t+1},R_{t+1},E_{t+1},G_{t+1})
} ( M t , R t , E t , G t ) → ( M t + 1 , R t + 1 , E t + 1 , G t + 1 ) 其中：
M t M_t M t R t R_t R t E t E_t E t G t G_t G t
真正 RSI 不只改：
M . M. M . 還必須研究：
R , E , G . R,
E,
G. R , E , G . 60. 七篇系列的完整閉環
第一篇提出：
Observed Capability ≠ Intrinsic Cognition . \text{Observed Capability}
\neq
\text{Intrinsic Cognition}. Observed Capability = Intrinsic Cognition . 第二篇提出：
Sparse Capability Sweet Spot . \text{Sparse Capability Sweet Spot}. Sparse Capability Sweet Spot . 第三篇指出：
Physical Capacity ≠ Effective Cognitive Capacity , \text{Physical Capacity}
\neq
\text{Effective Cognitive Capacity}, Physical Capacity = Effective Cognitive Capacity , 並提出：
Semantic Garbage Collection . \text{Semantic Garbage Collection}. Semantic Garbage Collection . 第四篇指出：
More Agents ≠ More Intrinsic Intelligence , \text{More Agents}
\neq
\text{More Intrinsic Intelligence}, More Agents = More Intrinsic Intelligence , 並提出：
Agent Saturation . \text{Agent Saturation}. Agent Saturation . 第五篇建立：
Q M ( N , C , T ) Q_M(N,C,T) Q M ( N , C , T ) 與：
C C E ( q ) . CCE(q). C C E ( q ) . 第六篇區分：
Search-Scaled AI \text{Search-Scaled AI} Search-Scaled AI 與：
Structure-Growing AI . \text{Structure-Growing AI}. Structure-Growing AI . 本文最後提出：
Efficient RSI → Meta-RSI → AI Self-Science . \boxed{
\text{Efficient RSI}
\rightarrow
\text{Meta-RSI}
\rightarrow
\text{AI Self-Science}.
} Efficient RSI → Meta-RSI → AI Self-Science . 因此整個系列形成：
Observe Growth → Decompose Growth → Measure Efficiency → Internalize Search → Improve Improvement . \boxed{
\text{Observe Growth}
\rightarrow
\text{Decompose Growth}
\rightarrow
\text{Measure Efficiency}
\rightarrow
\text{Internalize Search}
\rightarrow
\text{Improve Improvement}.
} Observe Growth → Decompose Growth → Measure Efficiency → Internalize Search → Improve Improvement . 61. 系列最終總命題
可以將七篇收斂成：
Observed AI Growth = Intrinsic Cognitive Growth + Sparse Task Matching + Inference Compute + Agentic Search + Tools / Harness + Long-Horizon Execution . \boxed{
\begin{aligned}
\text{Observed AI Growth}
=&
\text{Intrinsic Cognitive Growth}\\
&+
\text{Sparse Task Matching}\\
&+
\text{Inference Compute}\\
&+
\text{Agentic Search}\\
&+
\text{Tools / Harness}\\
&+
\text{Long-Horizon Execution}.
\end{aligned}
} Observed AI Growth = Intrinsic Cognitive Growth + Sparse Task Matching + Inference Compute + Agentic Search + Tools / Harness + Long-Horizon Execution . 因此：
Observed Growth ⇏ Equivalent Intrinsic Growth . \boxed{
\text{Observed Growth}
\not\Rightarrow
\text{Equivalent Intrinsic Growth}.
} Observed Growth ⇒ Equivalent Intrinsic Growth . 真正長期可持續的 AI 成長還需要：
Search → Structure → More Efficient Search . \boxed{
\text{Search}
\rightarrow
\text{Structure}
\rightarrow
\text{More Efficient Search}.
} Search → Structure → More Efficient Search . 而真正成熟的 RSI 進一步需要：
Improvement → Science of Improvement → Better Improvement . \boxed{
\text{Improvement}
\rightarrow
\text{Science of Improvement}
\rightarrow
\text{Better Improvement}.
} Improvement → Science of Improvement → Better Improvement . 62. 最終結論
AI 未來能不能自行改進自己，已經不再只是純哲學問題。
2026 年的前沿研究已經開始展示：
AI 自主執行 AI R&D；
AI 修改自己的 agent code；
AI 改善 search policy；
AI 改善 memory；
AI 透過 hidden evaluations 保留有效改進。
但真正的問題不是：
RSI 會不會開始？
而是：
RSI 開始之後，會沿著什麼 scaling law 成長？ \boxed{
\text{RSI 開始之後，會沿著什麼 scaling law 成長？}
} RSI 開始之後，會沿著什麼 scaling law 成長？ 如果它只學會：
more compute + more agents + more parameters + more search , \text{more compute}
+
\text{more agents}
+
\text{more parameters}
+
\text{more search}, more compute + more agents + more parameters + more search , 那麼 RSI 可能只是把人類目前的 scaling paradigm 自動化。
真正更深的 RSI 應該能發現：
Δ Q Δ C → 0 , \frac{
\Delta Q
}{
\Delta C
}
\rightarrow0, Δ C Δ Q → 0 , 並因此得出：
現在不是再增加資源，而是應該改變認知結構或改進方法。
最終，一個真正成熟的自我改進 AI 應具有：
Capability Growth + Efficiency Growth + Structural Internalization + Paradigm Revision + External Grounding . \boxed{
\text{Capability Growth}
+
\text{Efficiency Growth}
+
\text{Structural Internalization}
+
\text{Paradigm Revision}
+
\text{External Grounding}.
} Capability Growth + Efficiency Growth + Structural Internalization + Paradigm Revision + External Grounding . 這時它才不只是：
AI that improves itself , \text{AI that improves itself}, AI that improves itself , 而是：
AI that can scientifically study, falsify, restructure, and improve the process by which it improves itself . \boxed{
\text{AI that can scientifically study,
\text{falsify},
\text{restructure},
and improve the process by which it improves itself}.
} AI that can scientifically study, falsify , restructure , and improve the process by which it improves itself . 也就是：
AI Self-Science . \boxed{
\text{AI Self-Science}.
} AI Self-Science . 如果未來真正出現這種系統，那麼 AI 成長的核心變數就不再只是：
P , C , N . P,
C,
N. P , C , N . 而會逐漸變成：
它能以多快的速度發現： 自己原本認為有效的成長方式，其實已經不再是最好的方式。 \boxed{
\text{它能以多快的速度發現：
自己原本認為有效的成長方式，其實已經不再是最好的方式。}
} 它能以多快的速度發現： 自己原本認為有效的成長方式，其實已經不再是最好的方式。 這可能才是 RSI 從「自動化 AI 研發」跨入真正遞迴認知成長的分界。
參考資料
Google DeepMind. From AGI to ASI. 2026-06-12.https://deepmind.google/research/publications/239142/
OpenAI. The AI policy window is open. We need to act. 2026-09-09.https://openai.com/index/ai-policy-window/
OpenAI. Building standards for the next phase of AI. 2026-09-21.https://openai.com/index/building-standards-next-phase-ai/
Anthropic Institute. When AI builds itself. 2026.https://www.anthropic.com/institute/recursive-self-improvement
Srikanth, D., Zhao, B., Xu, D., Wu, Y., & Jiang, Z. Recursive self-improvement of AI research agents. arXiv:2609.26457, 2026.https://arxiv.org/abs/2609.26457 2 ^2 2
Chen, M., Wang, L., & Qu, B. Recursive Self-Improvement in AI: From Bounded Self-Refinement to Autonomous Research Loops. arXiv:2607.07663, 2026.https://arxiv.org/abs/2607.07663
Gong, C. et al. Evolutionary Safety of Recursive Self-Improving AI: Taxonomy, Risk Discovery, and Evaluation. arXiv:2609.31186, 2026.https://arxiv.org/abs/2609.31186
Duan, Y. et al. The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement. arXiv:2609.11873, 2026.https://arxiv.org/abs/2609.11873
Canonical Source Note
本文件之 UTF-8 Markdown 原始碼為正式 source artifact。數學原始碼僅使用 $...$ 與 $$...$$ 作為 canonical delimiter；不使用 Unicode 數學字元替代 LaTeX source，不進行 unicode escape round-trip，不自行美化反斜線、空白或 delimiter，不以聊天介面渲染內容取代正式原稿。