MetaRSI / RSI²
A Meta-Recursive Self-Improving System for Recursive Self-Improving Systems Themselves
递归自我改进（RSI）至今几乎只在代码、数学这类可机器判分的基准上被验证过。MetaRSI-v1 把改进拆成三个类型化算子：放大数据、改写脚手架、训练参数，三者共享同一个循环内核，由优化器决定先后顺序，元层策略再跨轮次改写调度本身。全程没有外部教师，目标模型自己扮演环里的每一个角色。
01发现：约束 RSI 的是验证格式，不是学科
论文先做了一次普查。在调研的 45 个 RSI 系统里，69% 的改进环是对着封闭、可机器检查的目标闭合的：测试集、精确匹配的答案、数值目标或选择题标签。按学科分组看，几乎所有科学类系统都落在这个封闭区块里。
再扩大到 22 个领域、55 个改进环：领域能形成的改进环数量，随该领域验证器的等级下降而下降，Spearman ρ = −0.75，p < 0.001。55 个改进环里有 53 个落在验证器阶梯的第 1 到 3 级。
结论很直接：自我改进能走到哪里，取决于有没有可靠的验证器，而不是取决于题目属于哪个学科。论文因此主张，RSI 下一步要进入真实、多样的科学、工程与元科学领域，而不是停在容易判分的那一小块。
02方法：一个内核，三个算子，三层嵌套
MetaRSI-v1 把一个系统拆成三个可写的面：数据 𝒟、脚手架 ℋ、参数 θ。每个算子只写其中一个面，所以每一次被采纳的改动都能归因到唯一的算子。
| 算子 | 写什么 | 做什么 |
|---|---|---|
| Data-RSI | 合成数据 𝒟 | 放大已有能力，并标出能力边界 |
| Harness-RSI | 五槽脚手架 ℋ | 改写任务脚手架，不碰权重 |
| Model-RSI | 参数 θ | 通过有界训练把能力内化进参数 |
三个算子共享一个循环内核和一套产物词表，因此可以组合，而不是互斥。六种有序转移里五种合法；一个双轴优化器同时决定算子顺序和每个算子的提案策略。往上还有两层：RSI² Agent 管一个改进轮次，MetaRSI² Agent 每轮改写一次调度策略本身。这就是标题里「改进自我改进系统本身」的含义。
环里有一条明确的权限边界：模型只负责提案，判定、产出和读取由确定性代码完成。
03结果
主实验以 Qwen3.5-35B-A3B 为目标模型，在四个基准的密封测试集上评测（其中 GPQA 使用预先冻结的 100 道难题 GPQA-D-hard100），所有条件同预算，结果为 5 个外层种子的均值。
- MetaRSI-v1 在四个基准上全部最好：相对冻结系统平均 +10.9 分，相对最强的固定顺序组合 +3.6 分。两种固定顺序组合都停在 +7.3，单算子之间相差 3.8 分。调度本身就值 3.6 分。
- 六个前沿模型在 Terminal-Bench 2.1 上各自运行 MetaRSI-v1 环，每个模型自己当提案者和裁判，全部提升，幅度 +5.6 到 +9.2，平均 +7.3。
- 只走脚手架路线（不动权重）连续三轮：平均每轮 +7.3、+2.8、+1.2，累计 +11.3。
- 五轮对比：带元更新的路径累计 +26.2，不带的 +20.7，差距每轮都在扩大。被改进过的改进器，确实是更好的改进器。
04意义
论文把自我改进从「改一个面」重新定义为「在整条模型生产管线上做组合」，并给出两条路线：模型路线通过训练内化能力；脚手架路线不动权重，因此可以扩展到任何只能通过接口访问的模型。Data-RSI 是两条路线共享的底座。论文还给出了可证伪的规律：环在哪里存在、算子如何组合、监督能换来什么。
对我们来说，第一个发现是最重要的一条：自我改进的上限由验证器决定。在验证器阶梯的低端，Data-RSI 最有价值的产出是一份边界声明，说明哪里真正需要人类或语料监督。这正是专家任务数据存在的位置。
09引用
@article{tan2026metarsi,
title = {MetaRSI / RSI2: A Meta-Recursive Self-Improving System for Recursive Self-Improving Systems Themselves},
author = {Tan, Zihan and Sun, Leixin and Shi, Zitong and Liu, Yitao and Wu, Jiajun and others},
journal = {arXiv preprint arXiv:2609.06396},
year = {2026}
}