搜索
Google等提出RRSI，通过正则化Agent Harness自我改进中的Proposal与Selection，减少过拟合与复杂度累积，并提升未见基准上的迁移表现、降低Token成本。
OpenAI将订阅用户使用GPT-6 Astra和GPT-6.1 Sol的速度提升约50%，但SemiAnalysis实测称Anthropic订阅的API等价价值约为OpenAI的5倍，OpenAI 200美元套餐额度也已减半。
Physical Intelligence联合创始人Sergey Levine指出，机器人尚未进入稳定缩放阶段，应以先验知识、有效决策循环和多样化数据提升泛化与可靠性，并在找到真正可规模化的技术后扩大投入。
ModelScope团队开源动态检索框架Sirchmunk，无需预构建向量索引即可在原始文件中即时定位证据，并通过KnowledgeEvolver把检索经验沉淀为可复用知识，使知识库在检索过程中持续连接、合并与重组，实现自我进化。
哈佛大学物理教授马修·施瓦茨用Claude三个月内与19位合作者攻克了18个领域的36个学术难题，并将提炼出的AI科研框架BootLoops 1.0以MIT协议正式开源。
给定一个基座模型、一个目标能力和算力预算，RSI Agent 自己设计后训练算法、收集和整理数据、写代码、跑实验、迭代改进，最终交出一个训练好的模型，全程无人介入。在自主后训练基准 PostTrain
图片来源：SiMa.ai SiMa.ai是一家开发芯片和软件的初创公司，能让机器人、无人机、摄像头等设备直接在设备端运行AI。该公司近日完成1.5亿美元C轮融资，估值达14.5亿美元。本轮融资由Fid
AI 确实在帮 AI 变强，但收益正逐轮递减。当前 AI 自我改进回路的实际强度，仅为触发“智能爆炸”所需理论阈值的 10% 到 20%；若要实现自我维持式的加速进化，这条回路必须再增强 5 到 10 倍。而在巨额过程损耗面前，眼下的系统连维持匀速进步都已十分吃力。
RSI（Recursive Self-Improvement，递归自我改进）最近成为了行业内关注的新热点。 简单说来，模型参与训练和提升模型自己，在业界已经开始成为一种惯例。Anthropic 在六月
三星与上海交通大学提出RoboICL具身上下文学习方法，通过冻结GPT-6 Astra模型并在推理时提供少量示范与机器人自身交互记忆，在RoboDojo 30项机器人操控评测中以50.64分全面领先PhysicalRSI等现有方法，并公开了929条可逐布局核查的执行记录及真实机械臂实验结果。