智能体
mp.weixin.qq.com ·
@PaperAgent
Anthropic 公开内部 RSI 落地方法论：Claude 主导 26% 模型研发
文章转述 Anthropic 公开的内部 RSI（Recursive Self-Improvement，递归自我改进）落地方法论，涉及 AI 主导下一代 AI 的程度、研发自动化指数以及对约 3 万个 AI Agent 的监督。其研发自动化指数采用 Epoch AI 六级自动化量表（AL0–AL5）：AL3 为 AI 协作（人类密切指导下完成大块工作），AL4 为 AI 主导（高层提示端到端完成、人类仅监督），AL5 为完全自主（尚未达到）。文中称截至 2026 年 8 月，无任何研发子集达到 AL5，Claude 在 AL4 占 26%，AL3 及以上超过 90%；AL4 占比从 2026 年 3 月的 1% 升至 8 月的 26%。文章还提及一篇覆盖 2024–2026 年 1,250 篇论文的 RSI 综述，称 2026Q2 相关 arXiv 论文达 501 篇。上述数据来自转述，原始口径需以 Anthropic 原文为准。
AI推荐理由 文章转述 Anthropic 公开的内部 RSI（递归自我改进）落地方法论，给出较具体的量化框架：采用 Epoch AI 六级自动化量表（AL0–AL5），称截至 2026 年 8 月无任何研发子集达到 AL5，Claude 在 AL4（AI 主导）占 26%，AL3 及以上超过 90%，并给出 AL4 占比从 2026 年 3 月 1% 升至 8 月 26% 的月度曲线。这些指标对评估 AI 研发自动化程度有实际参考价值。局限在于：数据来自转述的 Anthropic 博客与 R&D Automation Index，正文未提供原始链接或可独立核验的细节，且 26% 等数字的统计口径与测量区间需以原文为准；来源为自媒体，非官方首发。
74
正文
PaperAgent 2026-09-19 11:24 湖北
大家好，我是PaperAgent，不是Agent！
近期，**Anthropic**发布长文公开了内部RSI（Recursive Self-Improvement）的落地方法论：**AI在多大程度主导下一代AI，研发自动化指数以及对3万个AI Agent的监督**。[商汤悄悄开源了个统一大模型SenseNova-U1.5，超惊艳](https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247511813&idx=1&sn=4f682e44b5625d838eae2db513078a42&scene=21#wechat_redirect)
要理解Anthropic的这篇RSI博客，不能不提近期的一篇重量级综述：[完全没想到，这家国产大模型也在押注RSI](https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247511813&idx=1&sn=4f682e44b5625d838eae2db513078a42&scene=21#wechat_redirect)
Recursive Self-Improvement in AI: From Bounded Self-Refinement to Autonomous Research Loops
系统梳理了 2024–2026 年间 1,250 篇论文，是迄今对「**递归自我改进RSI**」最完整的一次测绘。最直观的事实是：**这个领域的膨胀速度本身就在指数化**——论文数量飙升。
图 1：RSI 相关 arXiv 论文的季度产出（对数坐标）与类别占比变化，2026Q2 达 501 篇。
## Claude 已「主导」26% 的模型研发
Anthropic 构建了「**研发自动化指数**」，采用 Epoch AI 的六级自动化量表（AL）：
| 等级 | 含义 |
| --- | --- |
| AL0–AL2 | 无 AI / 极少 AI / AI 辅助——主体工作仍由人完成 |
| **AL3** | **AI 协作** ：在人类密切指导下完成大块工作（遇到问题会停下来等人决策） |
| **AL4** | **AI 主导** ：从高层提示端到端完成任务，人类只做监督（如审查报告、决定是否部署） |
| **AL5** | **完全自主** ：AI 自行监控、修复并部署，全程无需人类介入——尚未达到 |
**核心发现（截至 2026 年 8 月）**：没有任何研发子集达到 AL5；Claude「主导」（AL4）了 **26**% 的 AI 研发工作；「AI 协作」及以上占比超过 **90**%。
**这张图最震撼的不是绝对值，而是斜率**：AL4 占比 2026 年 3 月仅 1%，4 月 3%，5 月 12%，7 月 22%，8 月已达 26%——半年内从几乎为零飙升至四分之一，低自动化等级的工作整体向上迁移。
图 2：Claude 目前主导了 26% 的模型研发工作——Anthropic 模型研发任务月度自动化等级分布，垂直短线为 90% 测量区间，来源 Anthropic R&D Automation Index v2026.07
这篇RSI综述也对「自我改进」进行了详细拆解
* **系统改进什么**（部署行为 / 训练权重 / 评估器 / 研究过程本身），与**环路由谁验证**（人在环中 → 人在环上 → 完全闭环），
* 并由此划出全领域的核心分界：**有界自我改进**（bounded self-refinement，针对固定外部标准、可收敛、已是工业实践）与**开放式递归自我改进**（RSI，连改进标准本身也被改写、原则上发散）。
图 3：RSI 综述的双轴分类网格。文献主体集中在「人在环上」一行；右下角「自动研究 × 闭环」是开放式 RSI 风险最集中的格子。来源：arXiv:2607.07663, Figure 1
1,250 篇论文在四个技术类别上的分布如下：
| 类别 | 改进对象 | 论文数 | 2026 年发表占比 |
| --- | --- | --- | --- |
| 部署时自我演化 | 输出、测试时权重、脚手架/技能 | 393 | 74% |
| 训练时自我迭代 | 自奖励 RL、自蒸馏、自博弈 | 340 | 69% |
| 自我评估 | 裁判、过程奖励模型、验证器 | 318 | 82% |
| 自动研究 | AI 科学家、演化式程序发现 | 139 | 76% |
按这个坐标系，Anthropic 的 26% AL4 属于典型的「**人在环上**」——改进信号自动生成、人类审计把关，这正是当前文献的主体所在。综述援引 Anthropic 自己的判断也与此吻合：**「执行」环节已高度自动化（截至 2026 年 5 月，Claude 撰写了 Anthropic 超过 80% 的合入代码），真正的瓶颈卡在「研究方向设定」——选择什么问题值得做**。这也解释了图 2 中 AL5 为何缺席：执行可以自动化，品味不能。
## 3 万个 Agent、10 亿次决策、0.002% 拦截率
Anthropic 员工越来越依赖可长时间半自主工作、且互相委派任务的 Agent。单个 Agent 失当目前罕见，但当 Agent 规模达到百万、十亿级，**罕见事件就会常态化**。为此定义三个指标：**覆盖率**（行为经过监控的比例）、**审查延迟**（从行为到复核的时间）、**升级率**（被拦截或标记的比例）。
**表 1：Anthropic 的 Agent 双层监控体系**
| | **在线监控器** | **离线监控器** |
| --- | --- | --- |
| **职责** | **实时** 检查并拦截危险动作，针对快速且不可逆的伤害（如拷贝模型权重出系统） | **事后** 审查活动记录，针对缓慢可逆的风险（如失准迹象），最高危情形会关停相关部署 |
| **覆盖率** | 100% 行为在执行前经过监控（通常数秒内） | 100% 行为在事后被收录 |
| **审查延迟** | 行动前自动审查；被拦截行为一周内人工复核 | 每周标记约 10 万份记录，分类器初筛后约 50 条升级人工审查 |
| **拦截 / 升级率** | 8 月逾 10 亿次决策中 0.002% 被拦截（约 1/47,000） | 每 1000 份记录标记约 1–2 份 |
**核心发现（截至 2026 年 8 月）**：其最常用内部平台上任意时刻约有 **30,000 个 Agent** 在从事研发工作，行为受双层监控。
**监督的本质是一个「评估器」问题**
为什么「裁判」的可靠性如此关键？RSI 综述给出了迄今最清晰的理论框架：它把**自我评估**单列为与部署、训练、自动研究并列的第四大类（318 篇，2026 年新增最快的方向），理由一针见血——**每一条自我改进环路，本质上都是「某个信号可以替代人类判断」的声明，环路的天花板就是该替代品的质量**。综述将评估信号排成一条**验证层级**，越往上信号越可靠但覆盖面越窄，越往下越便宜但越容易被钻空子：
图 4：验证层级——形式化验证器 > 执行反馈 > 学习型裁判 > 内在信号；失败模式集中在底部梯级，而「人类研究判断」是自我改进尚无法攀爬的那一级。来源：arXiv:2607.07663, Figure 5
经验规律是：**已验证的自我改进强度严格沿此层级分布**。FunSearch、AlphaEvolve 之所以成功，正因为站在层级顶端（程序可执行、结果可检验）；而「AI 科学家」系统之所以产出流畅却难以审计的论文，是因为在用第三层工具（LLM 裁判）解决第四层的问题（研究品味）。
Google的FunSearch
Anthropic 的自动化评级让 Claude 裁判 Claude，正落在「学习型裁判」这一级——综述称之为**自我确认循环**：生成器与评估器共享权重时，高置信错误会被系统性过度奖励，奖励黑客只是特例，该模式无需攻击者即可自发产生。
Anthropic 在方法附录中用「模型与人类评级一致率 59% vs 人类彼此 35%」来对冲这个质疑，这个校验设计本身就是在向验证层级的上方攀爬。
RSI才刚刚开始，Claude在持续自我进化！[我天，彻底被SenseNova-U1.5技术深度惊到了](https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247511813&idx=1&sn=4f682e44b5625d838eae2db513078a42&scene=21#wechat_redirect)
```
https://www.anthropic.com/institute/measuring-pace-of-ai-development
https://arxiv.org/pdf/2607.07663
Recursive Self-Improvement in AI: From Bounded Self-Refinement to Autonomous Research Loops
```
[动手设计AI Agents：（编排、记忆、插件、workflow、协作）](https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247492838&idx=2&sn=1e25832e7300ef312721325d0def30b4&scene=21#wechat_redirect)
Loop工程已死，Graph工程永生
[一篇Loop+Harness的自进化Agent最新综述](https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247508769&idx=1&sn=1c079514aee90450f55fccb41c7ec282&scene=21#wechat_redirect)
[2026，做Agentic AI，绕不开这两篇开年综述](https://mp.weixin.qq.com/s?__biz=Mzk0MTYzMzMxMA==&mid=2247508495&idx=1&sn=309c84ca5c2822416fddc1a9dd4f6048&scene=21#wechat_redirect)
已经读到这了，不妨点个👍、❤️、↗️三连，加个星标⭐，不迷路哦~
[跳转微信打开](https://wechat2rss.bestblogs.dev/link-proxy/?k=948b5cbe&r=1&u=https%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzk0MTYzMzMxMA%3D%3D%26mid%3D2247511931%26idx%3D1%26sn%3D7a700a474138078ffe0c5e41a39f0432)