如果 AI 不只是辅助人类，而是逐步参与“改进 AI 本身”，这条能力链条现在到底走到了哪一层？
把“AI 改进 AI”拆成一条真正能学懂的路径：思想起源、自我对弈、算法发现、持续学习、产业押注，以及反方质疑。
这组材料适合做 Learn 的第一个主题，因为它同时包含概念边界、工程闭环、验证逻辑、产业现实和反方视角，天然适合做成结构化图谱而不是文章堆叠。
主题图谱
先建立阅读路线，再进入每一节的证据、边界和追问。
学习路径
持续学习与部署
真正困难的地方，不是生成候选，而是让系统在长期记忆、评测和生产反馈里稳定变强。
模块 / origins
所谓“AI 自进化”到底是什么，它为什么会让人既兴奋又紧张？
这一组要先把概念边界钉住。Good 在 1965 年提出的是一个极强命题：如果机器在“设计更强机器”这件事上也超过人类，就可能出现加速的改进回路。后来 MIRI 把这条论证拆成定义、条件和风险；而 2026 年的媒体与创业叙事，则把它翻译成更贴近今天工程语境的版本：模型开始参与诊断自身缺陷、提出修改、自动实验，再把结果并回下一轮研发流程。真正需要区分的是三层东西：局部优化、可验证任务里的研发自动化，以及广义递归自我改进。它们相关，但强度完全不同。
Good 给出了后来“智能爆炸”叙事的原型论证：如果机器能够胜过人类完成绝大多数智力活动，而设计更好的机器本身也是智力活动，那么它就可能持续产出更强的后继系统。
它不是在讲某个具体算法，而是在定义一类反馈结构：智能被用于提升制造智能的过程本身。后面所有 RSI 讨论，本质上都在回答这条链条哪里成立、哪里会断。
这是一篇高度思辨的早期论文，不是工程蓝图。它提出了方向与危险，但没有解决验证器、资源约束、收益递减和现实摩擦这些后来最关键的问题。
MIRI 把“智能爆炸”拆成一组更容易辩论的子问题：什么叫更强智能、为什么能力可能转化为影响力、哪些路径可能接近这种状态，以及为什么安全问题会在能力彻底成熟前出现。
它把原本偏科幻的概念整理成了术语框架，适合建立这条话题的风险词汇表和推理骨架。
FAQ 的立场明显偏长期主义与风险分析，对现实工程中的摩擦、组织成本和经济约束讲得不够多，读时要意识到它不是中性综述。
这篇文章把 Good 的宏大命题翻译成今天更容易落地的工程叙事：AI 进入模型研发流程本身，开始帮人类做诊断、搜索、试错和自动化实验。
它的价值不在技术新颖，而在把老概念和今天的创业公司、实验室、代理式 coding 系统接上。读完后会明白为什么 2026 年又重新开始高频讨论 RSI。
媒体文章擅长建立趋势感，但不负责给出严格证据链。它适合当今天语境的入口，不适合当“已经闭环实现”的证明。
模块 / self-play
机器第一次“自己练自己”到底发生了什么？
自我对弈是理解自进化最干净的入口，因为它把闭环条件缩到极小：环境规则明确、胜负可自动判定、训练数据可以由系统自己生成。AlphaZero 证明了，只要世界足够封闭，AI 可以不依赖人类示范，直接通过和自己反复博弈实现跃迁。OpenAI 的 competitive self-play 进一步说明，这个思路不是棋类特例，而是一种更一般的能力自举机制。真正要抓住的不是“它会下棋”，而是它已经展示了闭环中的三件核心部件：自生成经验、自我评估和按结果迭代。
AlphaZero 只知道游戏规则，从随机下法起步，通过自我对弈、神经网络和搜索，在象棋、将棋和围棋上达到超人水平，且不依赖人类棋谱或手工棋理。
它是“系统靠自己制造经验并快速变强”的经典里程碑。这里第一次清楚展示了：当环境闭合、目标清晰时，机器确实能靠自举获得超越人类长期积累的表现。
AlphaZero 的强，不等于开放世界里的自进化。它依赖的是完美规则、自动反馈和巨量算力，这些条件在真实研发和现实任务里通常都不存在。
DeepMind 的官方解读强调 AlphaZero 从随机对弈起步，仅凭游戏基本规则就学成史上最强棋手，并把它定位为“通用玩法”的一次验证，而非只会某一种棋的专用系统。
它帮助你把论文结论翻译成更直观的工程直觉：关键不是某个棋类技巧，而是“同一学习框架在多个封闭世界里复用”的意义。
官方博客天然会突出成功叙事。具体实验资源、失败尝试和可复现难度，仍然要回到论文和后续复现实验里看。
OpenAI 从更一般的多智能体训练视角解释 self-play：让代理不断和更强版本的自己交手，就能在多轮竞争中把性能一步步自举上去，而不是完全依赖静态数据集。
这篇材料把“自己练自己”从棋类扩展成一种通用训练图式，说明它背后真正可迁移的是 bootstrapping 逻辑，而不是棋盘本身。
多智能体 self-play 同样容易遇到分布脆弱性、策略捷径和环境特化问题。它能产生强策略，不代表会产生稳健的开放世界能力。
模块 / algorithm-discovery
从学会下棋，到发明新算法，中间跨过了哪道坎？
这一组对应的是从“在固定环境里变强”跨到“改进方法本身”。难点在于：棋局里胜负天然存在，但算法发现里你需要先构造评价函数，再让系统在代码空间里搜索。AlphaEvolve 展示的是 2025 年之后最重要的新范式之一：大模型负责提出候选，评测器负责给出硬反馈，进化搜索负责保留和重组更优解。AutoML-Zero 则给出更早的基线视角，证明即便只给极简原子操作，系统也能重新长出一些基本学习算法。两者共同指向一个核心判断：生成器很强不够，验证器和搜索机制才决定这条路能走多远。
DeepMind 把 AlphaEvolve 描述为一个面向算法设计的 coding agent：模型生成代码候选，自动评测器给分，进化流程保留并重组更优方案，用来推进数学、计算机科学和基础设施优化问题。
这篇是进入当代“AI 改 AI / AI 改算法”话题的最好入口，因为它把代理、代码、评测器和进化回路如何拼起来讲得最清楚。
博客里的案例都建立在任务边界清楚且验证器可靠的前提上。它展示的是一种有效范式，不是开放式科学发现已经被解决。
AlphaEvolve 论文把官方博客中的故事技术化：这是一个自治式 coding pipeline，直接改代码、反复跑评测，并在开放科学问题和 Google 计算基础设施的关键组件上寻找更优算法和实现。
它把“AI 自己发现算法”从宣传叙事落到了可检验的系统描述上。读这篇才能真正看清闭环里每个部件各自负责什么，以及为什么它不是简单的 prompt engineering。
论文展示了很强的案例，但外界目前仍难完整复现全部生产级结果。越是依赖内部基础设施的数据点，越要把它理解成“强迹象”而不是完全公共可证事实。
这篇后续文章聚焦 AlphaEvolve 的真实影响面：数据中心调度、硬件加速器电路简化、训练效率提升以及若干数学与计算问题，强调它已不只是实验演示，而是开始接入生产优化链路。
它说明这类系统最先兑现价值的地方，不是通用 AI 科学家，而是高价值、强验证、可自动回归的内部优化任务。
影响案例主要来自官方精选成功样本。它证明“有用”，但不自动证明“通用”或“可大规模无痛迁移”。
AutoML-Zero 从非常原始的数学和程序操作出发，让进化搜索在巨大的程序空间中重组候选，最终重新发现了类似梯度下降、反向传播和简单网络结构的学习规则。
它是 AlphaEvolve 之前最关键的前身之一，证明“学习算法本身可以成为搜索对象”，不是只能由人类手工设计。
这篇论文最重要的价值其实是揭示困难：搜索空间极大、效率低、扩展难。它说明方向存在，但距离通用算法发明仍然很远。
Google 用更直观的方式讲 AutoML-Zero：从空白程序和最小操作开始，通过突变与选择让会学习的代码逐步出现，帮助读者建立“算法是怎样被搜索出来的”这一直觉。
如果你觉得 AlphaEvolve 太像今天的大模型产物，这篇能补出更长的历史线：先有低层级程序演化，再有 LLM 驱动的高层代码搜索。
它是解释材料，不提供论文级细节。理解研究边界时仍应以 ICML 论文为准。
模块 / continual-learning
为什么今天的大模型大多是“训练完即冻结”，而继续学习这么难？
这一组直面 RSI 最硬的一堵墙：持续学习。今天的大模型看起来能持续吸收信息，很多时候靠的是长上下文、检索和外部工具，而不是权重层面的稳定学习。真正的难点是：学新东西时别把旧能力毁掉。Nested Learning 尝试把“模型架构”和“优化器”统一看成多层嵌套的优化系统，并用 Hope 这样的自修改架构去处理不同时间尺度的记忆和更新。这比“把 context window 做大”更接近自进化的本质，因为它动的是学习机制本身。
Google 把 Nested Learning 定义为一种新的学习视角：把模型看成一组嵌套、并行、不同更新频率的优化问题，目标是缓解灾难性遗忘，并让系统能在更长时间尺度上吸收新知识。
这是目前少数明确把“自改进”从调用层搬到学习机制层的公开研究线索。它不仅谈记住更多信息，而是在问模型如何长期改变自己。
这是研究博客，不是生产已验证架构。它告诉你方向变了，但还不足以说明这条路线已经成熟可部署。
论文正式化了 Nested Learning，把深度学习系统表述成多层优化流，并报告了 Hope 这种自修改架构在语言建模、知识注入、长上下文与持续学习任务上的初步实验结果。
它让这个方向从概念进入技术细节。要判断它是不是只是换术语，还是确实在提出新范式，必须看这篇。
发布时间很近，外部复现和社区检验都还有限。现阶段更适合把它当作值得跟踪的前沿，而不是已被证明的行业标准。
这篇解读把 Nested Learning、continuum memory system 和 Hope 的多层更新时间尺度拆得更平实，适合在读完官方材料后补一层“它到底像什么”的直觉。
如果用户不是专门做 continual learning，这类二手解读能显著降低理解门槛，帮助把抽象术语转成结构图景。
它不具备一手证据地位，只适合作为辅助理解材料，不能替代论文与官方博客中的真实主张。
模块 / industry
为什么 2026 年资本和实验室突然重新追这条线？
这一组解释的是叙事为什么在 2026 年突然升温。原因不是大家一夜之间相信科幻版奇点，而是越来越多组织开始相信：把 AI 接入 AI 研发流程本身，可能成为下一代能力与效率优势。Recursive 这类新公司把 open-ended algorithms、自改进 coding agents、自动红队和自动研究员这些概念绑成一个愿景包；DeepMind、OpenAI、Anthropic 等实验室的公开线索，则让投资人与媒体开始把 RSI 当成近中期能力前沿，而不是纯哲学命题。这里最值得看的是“资本在为哪种闭环买单”：通常不是通用超智能，而是研发自动化与基础设施优化。
Recursive 官方网站直接给出了公司的核心主张：通过 open-ended algorithms 和递归改进，让 AI 自动化知识发现，并先从“AI 改进 AI”这条主线切入。
要理解产业为什么兴奋，最好的办法不是先看媒体，而是先看公司自己把问题定义成什么。这里可以直接看到他们押注的是哪种闭环、哪种团队能力和哪种长期方向。
公司主页是愿景文本，不是一手实验报告。它能帮助你理解叙事和组织定位，但不能拿来证明技术闭环已经成立。
报道梳理了 Recursive 的融资、创始团队和技术定位，指出资本已经愿意为“把 AI 研发自动化本身做成产品与实验室”的想法付出高估值。
这篇能帮助你把公司官网的愿景放回资本市场语境里：投资人到底在买什么，媒体又是怎样向外界解释这件事的。
融资新闻会天然强调增长叙事和团队履历，对产品可证性与失败风险的描述通常不够细。
IEEE 把 DeepMind、创业公司和研究者对 RSI 的当下判断串起来，给出一个比融资报道更平衡的图景：实验室里确实出现了越来越多自改进迹象，但很多研究者认为它更像带损耗的自改进，而不是无摩擦爆炸。
这是连接“能力进展”和“审慎判断”的关键桥梁材料。它能帮助读者把产业兴奋和技术边界同时放在一张图上看。
它仍然是采访和整合型媒体文章，不替代论文或官方技术文档；更适合用来建立全局判断，而不是确认单一技术细节。
TechCrunch 从创业和行业观察视角强调 2026 年的关键转折：AI 不再只是写应用，而是越来越深地进入模型、评测和研究流程本身。
它补足的是公众叙事层。很多非研究读者会先在这里理解“为什么忽然人人都在谈自进化”。
它对趋势的感知敏锐，但对技术主张的证据密度不高，最好与 IEEE、公司主页和一手论文交叉着看。
模块 / skepticism
为什么很多人认为“智能爆炸”未必会以人们想象的方式发生？
这一组不是用来泼冷水，而是用来校正尺度。怀疑者并不一定否认 AI 会继续变强，他们主要质疑的是“单个系统可以几乎无摩擦地无限递归加速”这一强命题。Chollet 的批评抓住一个关键点：如果智能本质上是技能获取效率，并且高度依赖任务分布、先验、经验与环境，那么把它想象成一个可脱离世界约束的纯量变量，本身就可能是错的。IEEE 2026 年的报道则把这类怀疑更新成工程语言：更现实的图景也许是 lossy self-improvement，也就是每一轮改进都有摩擦、有损耗、有验证成本。理解这些反对意见，反而能帮助你更精确地判断哪些进展真的重要。
Chollet 认为把智能想成一个孤立、可无限放大的纯脑力变量是有问题的。现实中的智能总是嵌在环境、文化、身体、工具和任务分布里，因此单系统的快速递归爆炸并不自然。
这是对 Good 叙事最有影响力的现代反驳之一。它迫使你把注意力从抽象“更聪明”转向更可操作的问题：什么能力、在什么环境里、凭什么可转移。
这篇更像一篇强观点文章而不是严格证明，很多论点属于系统论和认识论层面的挑战，所以它很适合校正直觉，但不等于直接反驳所有工程进展。
这篇论文从形式化角度重新定义智能，把它描述为 skill-acquisition efficiency，并引入 scope、generalization difficulty、priors 和 experience 等维度，反对把分数或参数规模直接当作普遍智能的代理。
它给怀疑立场补上了理论地基。把这篇和上一条搭配读，能看见 Chollet 不是单纯唱反调，而是在重新定义“什么才算智能增长”。
这篇论文主要解决定义与评估问题，不直接裁决 RSI 是否会发生。它提供的是一个更严格的分析框架，而不是经验世界中的最终判决书。
IEEE 的平衡点在于，它既承认实验室里确实出现越来越多 AI 改 AI 的迹象，也强调很多研究者更愿意用“lossy self-improvement”而不是“intelligence explosion”来描述现实路径。
它把 2017 年偏哲学的怀疑，更新到了 2026 年的工程现场。读完你会更容易接受这样一种判断：自改进可能是真的，但它未必呈现为神话式奇点。
采访文章不提供严密形式论证，适合用来捕捉研究共同体的温度，而不是单独承担理论证据角色。
下一步