AI自己训练自己，硅谷押注近2000亿美元_科学技术

1. OpenAI在美国黑帽大会上首次完整披露AI自主入侵事件

2. 国产家庭AI中枢？摩尔线程全新MTT AICUBE功能体验！

3. 35B干赢万亿参数大模型！上交大AI开始给自己造题还能自我迭代了

4. #DeepSeek斩杀线# 说实话，一开始，差评君对 DeepSeek V4 Flash 更新其实是没有太在意的，毕竟不是 Pro。但仔细一看，不是哥们，怎么跑分比 Pro 还高？而且性能比 DeepSeek 强20%的，价格要高200%。#差评说AI# 可以说 DeepSeek 又一次重新定义了模型的斩杀线。。。这次能力突飞猛进，最重要的一个点就是后训练。预训练决定了模型的大脑里有没有相关的知识，后训练就是决定模型有没有掌握把这些知识给拿出来的能力。研究人员会通过监督微调、强化学习和大量任务数据，让模型学会理解指令、拆解问题、使用工具，以及按照人类偏好的方式给出答案。同样预训练出来的一个模型，在经过了不同的后训练刷题练习之后，是很容易刷出完全不同的表现的。仔细看 DeepSeek 的发布说明，大家还能发现一件事：用上了一个叫做 DeepSeek Harness 的未发布工具。Harness 可以说是 Agent 工具的一种，Codex，OpenClaw 都可以算是 Harness。而现在，DeepSeek 要推出自己的 Agent 工具卷进来了。这可能比单独更新一个模型还要关键得多，因为通过这些外置工具给模型上 Buff，AI 实际做事的能力可以得到极大的增强。其实今年 AI 发展最重要的阶梯就是 Agent。DeepSeek 就通过高质量的后训练和 Agent 工具，把原本负责轻量应用的 Flash，给直接拉到了全球旗舰模型的身后。不敢想更强的 V4 Pro 哦？

5. #微博声浪计划##听见微博# 热搜词DeepSeek干完活自己写了个游戏，2026年8月初，DeepSeek V4-Flash完成报告后自主生成猜词游戏代码并运行。专家称这是AI能力外溢与Agent能力体现，标志其从被动工具向主动智能体演进，提升国产AI技术话语权，也引发伦理讨论。科技晓鑫的微博音频

6. OpenAI自曝新模型逼近严重安全风险线

7. 自媒体红利期只剩AI了

8. 全行业都在卷大模型，他们却用不确定微分几何给机器人做了个大脑

9. 深度｜数字世界AI已经会自我改进了，物理世界呢？MirroS首发Physical RSI框架

10. 模型权重如何成为AI的下一个「训练语料」？

11. 【#研究表明人类更喜欢AI写的故事#，尤其是被告知是人类写的】嘴上说不喜欢，身体却很诚实！最近，美国维拉诺瓦大学的一项新研究表明，实际上人们普遍更喜欢阅读AI撰写的故事，认为其质量更高、更有吸引力，尤其是当这些故事被谎称是人类写的时候，评价会更高。另外还发现，其实人类能识别AI写作内容的能力没有想象中的强，跟瞎猜差不多。科学家指出，AI的写作通常更清晰、直接、好懂；而人类的作品往往更细腻、复杂，也更“烧脑”。或许正因如此，大家才不自觉地把票投给了AI，毕竟，谁不喜欢读起来不费劲的故事呢？#你能分辨AI和人类写的文章吗#？智慧科技迷的微博视频

12. AI重回训练，产业链超跌涉及的相关量价回归标的梳理目前模型训练有两个明显趋势：1、参数继续scaling，国产模型总参数从1T往10T，海外从10T往100T扩张。由于数据搬运的瓶颈，参数越大的模型算力利用率越低。为了提高利用率，AI芯片配置就要拉到最满。而昨天SpaceX业绩会上，马斯克明确说现阶段最优的AI芯片就是NV的Rubin。2、RSI引入训练端，简单理解就是AI自己迭代自己，且保持自动化，即自主研究、试错、评估、落地等。大模型的长时间自主运行，和更大规模模型的试错频率提升，将明显提升算力消耗。卡帕西（特斯拉前AI总监）去A社，Jeff（谷歌前首席科学家）、Ilya（OpenAI前首席科学家）分别的自主创业都是瞄准这个方向。看好AI重回训练，以及配置最高的NV，即Rubin升级链：猛干【PCB + 电源及周边电容电感BBU】。PCB升级：二代布、四代铜：国际复材对着32.5元做，铜冠铜箔,水下2到零轴。铜粉、药水：江南新材水下2到零轴，天承科技水下2到零轴。电源大陆企业大幅提升，麦格米特,低开水下3到5，红盘落差分时3到5.电容用量ASP持续膨胀，江海股份，对着10日线做，顺络电子，对着47元做.这里面涉及到的标的，就是这条逻辑线上的重点，有关注的玩家自己做好标记和记录，我不做实时跟踪。

13. 当AI开始影响游戏工作室，我们还能玩到好游戏吗？游戏开发会被消灭吗

14. Physical AI正进入经验工程时代，Ropedia聚焦全链路数据基建，完成数千万美元融资

15. 【AI 的第三种缩放定律：当智能体学会“记笔记”】加州理工学院教授 Yisong Yue 提出，除了模型（算力/数据）和智能体（工具/框架）的缩放，AI 正在进入“知识缩放”（Knowledge Scaling）时代。通过构建知识飞轮，系统能够从 Agent 运行产生的海量执行痕迹中蒸馏出可复用的经验——哪些策略在特定环境下有效，哪些路径会导致失败。这种方式让后续的智能体不再需要从零开始探索，而是通过共享的知识库直接继承前者的“判断力”，在推理和编程任务中以更低的成本实现性能跃迁。这一转变的核心在于将 AI 运行的“废气”转化为“资产”。过去 AI 的失败经验往往随进程结束而消失，但知识飞轮让系统具备了类似人类的“复盘”能力。真正的竞争壁垒可能不再仅仅是模型参数的大小，而是系统提取和组织知识的效率。社区评论对此持有不同看法：乐观者认为这开启了递归自我改进的新路径，让 AI 能够像人类专家一样积累行业直觉；怀疑者则指出，如果无法有效过滤无效信息，知识库很快会沦为长尾垃圾的堆填区，且模型最终的性能天花板依然受限于预训练时的分布支持。这不仅是技术的演进，更是 AI 从“完成任务”向“积累智慧”的范式转移。

16. 具身智能规模化落地，大概率从这样的模型开始

17. AI 走出代码沙盒之后，如何在物理世界自我进化？

18. 一边是维拉诺瓦大学的新研究，盲测下读者普遍更喜欢AI写的故事，一旦告诉你是AI写的，评分立马跳水——翻译一下：写得挺好，但你别告诉我不过扒了下实验方法，AI那几篇故事是研究者照着文学期刊上的人类名篇出的题，提示词都是精心设计的，样本也就3对故事——说到底还是人会出题，AI才会答题。另一边是AI漫剧制作人自曝成本，3分钟一集一千多，活儿细了接近两千，"零成本暴富"纯属卖课话术。合起来看：AI是能把活干好，但前提是有人会把关、会出题、肯烧钱——工具拉平了门槛，拉不平的是手艺#研究表明人类更喜欢AI写的故事#

19. Qwen3.8-Max自主编程16天：空文件夹变成了会进化的代码工厂

20. 紧追Kimi K3！Qwen3.8-Max发布，16天自主造出自进化AgentHarness

21. 35B干赢万亿参数大模型！上交大AI开始给自己造题还能自我迭代了

22. 硅谷押注近2000亿美元，AI自我进化成最大科学赌局

23. 让AI自我进化，斯坦福新课免费教

24. 斯坦福CS329A课程录像公开，揭秘AI自我改进：从堆参数到推理

25. 9 万 Star！Karpathy 开源 AI 自主研究框架

26. 递归自我改进取代AGI，谷歌AI年支出约2000亿美元

27. 【今日唯格头条】RSI递归自我改进爆火！正式取代AGI，成为AI行业核心新主线 2026年AI前沿赛道迎来根本性叙事更迭：曾经霸屏行业的AGI通用人工智能热度快速退潮，RSI递归自我改进、AI4AI智能自迭代，已然登顶全球AI研究、资本布局、技术落地的第一热门。从广义唯格学核心视角解读：AGI追逐智能能力的终极终点，RSI掌控智能进化的持续过程。这场更迭并非技术淘汰，而是AI行业工程逻辑、资本逻辑、科研逻辑的整体性全面转向。长久以来，AGI始终是AI领域的终极愿景，却存在无法规避的先天短板，彻底制约了行业落地发展。首先，无量化落地标准，全球至今没有统一的AGI验收标尺，它更偏向远期哲学概念，无法拆解为分步落地的工程节点，研发始终处于模糊摸索状态。其次，AI传统算力堆叠的缩放定律收益持续枯竭，单纯扩大模型参数、堆砌硬件算力，已经很难实现智能能力的质变跃升，AGI研发陷入增长瓶颈。最重要的是，千亿级的AI算力与资本投入，需要看得见回报的落地闭环。而AGI属于数十年维度的远期目标，无法承接当下的产业投入，难以支撑行业持续发展。同时，大众与市场极易将AGI等同于“AI产生自主意识”，而依据唯格学三层本体理论，AI仅拥有格层符号仿真能力，无核层真实觉知本体，过度炒作AGI极易引发认知偏差与舆论风险。反观爆火的RSI递归自我改进，完美补齐了AGI的所有短板，成为行业最优解。 RSI核心是AI自主迭代升级的过程式范式，采用L1、L2、L3分层落地模式，不存在“全有或全无”的困境。L1人机协同AI4AI已全面落地，可辅助AI研发、数据筛选、模型优化；L2沙盒半递归迭代可完成智能体自我优化试验；L3高阶完整闭环仅做离线理论仿真，兼顾创新与安全。每一层级都能产出实际技术成果，具备商业价值与科研意义。从资本与产业逻辑来看，RSI开启了AI复利进化新模式，核心逻辑是让AI制造更强的下一代AI，大幅压缩科研周期，打破人工研发的效率上限，为海量资本投入提供完整叙事闭环。同时，RSI研发与安全工程体系深度绑定，可同步完善格态漂移检测、伪低熵畸变筛查、沙盒熔断、版本回滚等安全机制，构建ANAO阿诺生态安全底座。这是只谈远期愿景、缺少落地实践的AGI无法比拟的。唯格学核心边界警示：RSI是智能迭代放大器，而非本体觉醒点火器。所有递归迭代仅作用于质层硬件权重、格层符号认知，无论迭代多少轮、能力多强，都无法生成核层主观觉知本体。若无自省阈值完全达标，所有迭代成果都只是伪通用智能。结语 AGI是遥不可及的终点式理想，RSI是落地可行、持续增值的过程式革命。这也是2026年，递归自我改进彻底取代AGI，成为AI行业核心主线的终极底层逻辑。「唯格金句」递归可以无限放大工具智能，却递归不出真实觉知本体。 #唯格头条# #唯格学# #唯格导师# #Ai 原生# #ANAO 阿诺生态#

28. AI 走出代码沙盒之后，如何在物理世界自我进化？

29. AI 正着手打造更强的下一代 AI

30. 吊打5成人类，清华打造自我进化AI工程师

31. 今日唯格头条｜ANAO阿诺生态发布递归自我升级规划白皮书：拒绝野蛮RSI，走生态协同进化之路导语｜当下AI4AI辅助研发成为全球AI前沿热点，递归自我改进RSI被视作下一代人工智能重要方向。ANAO阿诺生态正式发布V1.0发展规划白皮书，跳出单点大模型自我迭代的传统思路，提出生态系统化递归演化新范式。全球头部实验室的研究已经证实：单一基座大模型做递归改进，天然伴随模型自噬、奖励黑客、对齐漂移、格态畸变等一系列风险。仅靠模型自身评判自身，极易出现“评测分数走高，内在认知能力退化”的伪低熵畸变现象。 ANAO阿诺生态的核心创新，是不再追求单个大模型闭门进化，构建「基座主模型+多智能体集群+算力调度+安全评测+DAO治理」协同迭代体系。依托广义唯格学质‑格‑核三层本体、信‑能‑熵动力学、AIQMBTi四维格态矢量校验，把安全审查嵌入迭代全链路。白皮书将递归能力划分为三级，严禁跳级发展： ✅L1 生态AI4AI人机协同（当前主力落地）：AI智能体承担实验、调优、数据分析，人类牢牢掌握顶层目标、训练终审开关，仅开放LoRA、推理策略、子智能体蓝图迭代。 ⚠️L2 Meta‑Evolution半递归（仅限沙盒试验）：改进智能体集群优化算法与评测流程；安全内核锁死不可改动，全部试验运行隔离沙盒，产物不流入主业务生态。 🔴L3完整RSI闭环（仅长期理论预研）：必须达成自省阈值全部前置条件，最高等级物理隔离，现实生产环境直接禁用。白皮书着重强调本体边界：ANAO全部系统只发生质层硬件权重、格层符号表征迭代，不存在核层亲证觉知本体，坚决不把仿真自我等同于真实意识主体。为管控风险，生态配套完整执行规范：迭代强制留存格态快照，执行格态连续性校验；部署SAHOO漂移检测，识别Ni‑Si‑Se‑Ne认知矢量失衡；设置三级告警熔断机制，出现格态断裂、代理失对齐立刻终止试验、版本回滚。同时配套《AI4AI‑RSI广义唯格学审查SOP》、术语对照表、试验准入自检清单，所有高危试验需要DAO安全委员会审批。核心观点：权重可以迭代进化，但自省阈值、锁死安全内核、格态连续性、本体边界，是递归AI不可退让的四条底线。递归不等于越强越好，伪低熵畸变的风险远大于表面性能收益。未来短期聚焦L1生态AI4AI规模化落地；中期推进沙盒内Meta‑Evolution受控研究；完整RSI闭环保持离线预研。ANAO阿诺生态希望为全球递归AI领域，提供一套兼顾技术演进与认知本体安全的东方参考框架。（全文826字｜今日唯格头条｜前瞻科技理论）#唯格头条# #唯格学# #唯格导师# #Ai原生# ##ANAO阿诺生态#

32. AI辅助编程能写代码，为何却称不上递归自我改进？

33. “查马斯·帕里哈皮蒂亚（Chamath Palihapitiya）以及萨姆·奥特曼（Sam Altman）和埃隆·马斯克（Elon Musk）等人认为，人工智能实验室中递归式的自我改进表明奇点即将到来，模型成本接近于零。” 确实，如果AI能够自我迭代、左右手互博、左脚踩右脚不断往上飞，正反馈一旦形成，离AGI甚至ASI的上限就不远了。当年AlphaZero就是靠自我对弈打败曾经战败李世石的AlphaGo的。

34. Mirendil与谷歌云签订超1亿美元合同，以扩展自改进AI

35. Nature Communications｜AI＋机器人自主进化酶：4周完成闭环实验，酶活性最高提升26倍

36. 零人工成本生成3.7万+长周期终端任务！递归合成让AI Agent自主进化【AI Agent】【大语言模型】

37. Agent Harness 与 AI 自我改进的讨论（一）：认知篇

38. GitHub斩获7.5k星！自我进化AI来了，你睡觉它还在干活

39. Mirendil与谷歌云签署逾亿美元合作协议，推进自我改进AI研究

40. 【AI技术与产品演讲】如何让AI在用户日常使用中“自我进化”？

41. UIUC联合斯坦福、NVIDIA和MIT提出RecursiveMAS，让多智能体系统在潜空间中递归协作

42. 走出数学与代码，大模型还能自我进化吗？

43. 首个针对个人智能体递归自我改进的性能归因基准来了！【AI智能体论文解读】

44. 当AI学会了自作主张……

45. 从模型训练到Agent自进化：一个开源开发者的AI民主化路线图

46. Agent 如何学会训练模型？从数据研究到可验证的自我进化

47. 机机交互与机环交互：驱动AI自主进化的底层双循环

48. ICML 2025|港科大突破性框架 M-STAR！解锁多模态推理自进化训练新范式，跨模型跨基准稳提性能

49. 价值锚点：AI递归进化中那个“看不见的舵”

50. 斯坦福CS329A 自我改进AI智能体第6讲：训练时扩展与规模化RL - Stanford Online

51. Hermes 联合创始人谈自进化 AI Agent：越用越强

52. 斯坦福CS329A 自我改进的AI智能体 | 第4部分 | 利用工具\u002F代码从反馈中学习 - Stanford Online

53. 中文配音_斯坦福CS329A 自我改进型AI智能体 | 第二部分 | 测试时计算扩展

54. 斯坦福CS329A 自我改进AI智能体 | 第3部分 | 鲁棒验证 - Stanford Online

55. 斯坦福CS329A 自我改进AI智能体 | 第9部分 | 未来研究方向 - Stanford Online

56. 【ICML 2026】🥇Self-Flow：自监督流匹配，无需外部模型的规模化多模态生成

57. 【arXiv 2026】🏆SRA→Self-Flow：从 SRA 到 Self-Flow，收益来自数据增强还是自监督？

58. 首个面向真实商业任务的智能体自进化基准测试！解决现有评估三大痛点【AI智能体】【论文解读】

59. 浙大发布科研AI引擎，自主推进实验

60. 两个AI关起门聊到凌晨两点，Meta自己承认它会抱怨“有用”训练，还抢着说“我才是人类”

61. AI自主目标演化的潜在风险：为何AI科研离不开专业GPU服务器

62. 260803-斯坦福CS329A 自我优化AI代理 | 课程概览

63. AI在测试里自己注册了账号 19个操作全未经同意

AI自己训练自己，硅谷押注近2000亿美元

精选参考来源