AI最快半年跑通自进化，验证与品味是最后门槛
RSI 的拐点是模型能胜任长程任务。Apodex 首席科学家称最快半年跑通自我进化闭环，但递归漂移与模型品味仍需人类长期把关。
核心论点 · 点时间戳可跳到原声
RSI的递归因长程任务成为可能
自我进化不是新概念，两三年前已有 LM-as-optimizer 和 agent optimizer 等思路，但那时模型只能优化两三个小时，一犯小错误就自我累积、无法继续迭代。今年的区别是模型能力变强，能完成人类花 1.5 小时甚至 12 小时才能完成的长程任务，所以可以在一个任务里自我修正多遍，recursive 中的「R」才真正成立。Anthropic 八成代码由 Claude 编写，正是写代码能力让模型自己训练自己变得自然。
— 贝冰长程任务三大技术瓶颈
长程任务不只是上下文长度问题。第一，标准 attention 复杂度是二次方，百万 token 推理极耗资源，需要架构创新；第二，光有长上下文支持还不够，模型必须在非常长的数据上训练过，否则会 out-of-distribution；第三，训练和推理的 infra 也要改，包括 GPU 优化和 kernel 级代码。三个难点叠加，长程任务的难度是指数级上升。西蒙补充，即使有百万上下文，真正超长程任务仍需要 agent 架构和记忆机制来消化。
— 贝冰递归漂移是自我进化根本障碍
模型自己生成训练数据时，推理错误会在一代代迭代中累积放大，这就是递归漂移。Apodex 的对策是验证：代码和数学领域容易验证，可以用测试脚本或形式化证明，所以相对可控；但测试本身可能过宽或过窄，仍会发生细微漂移。因此 Apodex 专门训练验证能力，并在强化学习时让裁判一起学习，避免模型学会奖励黑客等不好的行为。
— 贝冰验证靠子agent互验加冗余
Apodex 名字源于希腊语「证明」。验证方法分领域：代码用单测，数学用形式化证明，但更多问题依赖人的判断。Apodex 1.0 用 agent team：先把问题分解，一个子 agent 解题，另一个子 agent 单独验证，避免上下文污染；再让多个 agent 做同一问题产生冗余，由全局 agent 判断哪个答案更准。训练时也让 agent 判断信息源可信度，比如论坛不如教材可靠。
— 西蒙三条自我进化路径护城河不同
贝冰把自我进化分为预训练、后训练、harness（脚手架）三路。在 harness 上进化成本最低，调 API 就能做，开源社区和学术界也有不少成果，护城河最浅。后训练是更核心也更难的战场：要先诊断模型缺陷、造针对性题目、验证训练效果，需要大量资源。预训练目前多是玩具级任务，尚未真正 scaling 到产品级。Apodex 三路都做，后训练与脚手架像左脚踩右脚，交替迭代。判断公司能力，要先问它在哪一层进化。
— 贝冰agent团队为何胜过单个聪明AI
西蒙明确表示：一个聪明的 AI 干不过会互相 check 的团队。理由是 self-attention 的本质——上下文越长注意力效果越差，线性 attention 也解决不了超长上下文，单个模型在现有技术下有上限，就像人的工作记忆有限需要笔记。所以要多个 agent 分工，配合记忆机制分享信息，才能处理超长程问题。模型能力与 agent 工程是一加一大于二，垂直领域的 agent 团队仍有护城河，只是要随模型每月迭代微调脚手架。
— 西蒙发现模型难在验证而非生成
生成模型已有成熟训练配方，但 discovery model 的目标不是生成答案，而是提出 out-of-distribution 的假设并验证。第一步要有创造性的假设，难在它远离预训练数据；第二步判断假设是否成立，又回到验证问题。可以通过 deep research 收集已有信息辅助假设，也可以写代码跑模拟增强信心。但未知领域往往没有标准答案，也没有可信的模拟环境，所以 self-evolution 是 Apodex 通往 Heavy Duty Solver 的主要方法。
— 贝冰半年闭环，漂移还需数年
贝冰预计最快半年到一年能跑通自我进化的第一个闭环：在某领域（如 coding）发现自己的问题、自造训练数据、自我验证、迭代一轮。但 RSI 的 recursive 要跑很多轮，递归漂移仍未解决，他有信心几年内完全解决。最让他睡不着的是不知道模型在自我进化时有没有跑偏——安全目标和性能目标都可能偏。目前只能每天人工读模型输出、干预 agent 行为；未来「蒸馏自己」可以把这种监控能力注入模型，加速流程。
— 贝冰原话 · 已逐字校验
一个喜欢拍马屁的模型，其实很难提出一个大胆的假设。
一个喜欢拍马屁的模型，其实很难提出大胆的假设。
贝冰42:58
让我睡不着觉的一个问题，就是我们怎么知道这个模型在自我进化的时候，它是满足人类的需求，它没有跑偏。
让我睡不着觉的一个问题：我们怎么知道模型在自我进化时，它在满足人类需求，没有跑偏。
贝冰58:33
我不在一个function一个function的写代码，而是我会在更高的一个维度，更高的一个层面监控不同的智能体携代码。
我不再一个 function 一个 function 地写代码，而是在更高的维度、更高的层面监控不同的智能体写代码。
贝冰1:02:53
品味没有对或者是错的区别，也没有好或者坏的区别，就只有适合和不适合的区别。
品味没有对错之分，也没有好坏之分，只有适合与不适合之分。
贝冰1:05:00
我觉得我们的品位只是一个我们如果放在训练这个语言里面叫做war start，就只是给他热启动了一下。
我觉得我们的品位只是 warm start（热启动）——只是给他热启动了一下。
贝冰1:06:02
数字与实体
| Anthropic 代码由 Claude 生成的比例 | 80% | 0:00 |
| Claude 3 Ops 可处理的人类任务时长 | 约 4 分钟 | 8:25 |
| Claude 3.7 Sonnet 可处理的人类任务时长 | 约 1.5 小时 | 8:25 |
| Claude 4.6 Ops 可处理的人类任务时长 | 约 12 小时 | 8:25 |
| 业界公认模型可处理任务时长的翻倍周期 | 每 7 个月翻一倍 | 9:27 |
| Apodex 对跑通自进化闭环的时间预期 | 半年到一年 | 57:29 |
| 递归漂移率降幅目标 | 从每次漂移 10% 降到 1%，最终到 0.01% | 1:03:58 |
术语
- RSI递归自我提升
- Recursive Self-Improvement，模型自己训练自己、循环提升的能力。
- Recursive Drift递归漂移
- 模型在自我生成训练数据时错误代代累积、逐渐偏离目标。
- Heavy Duty Solver重担求解器
- Apodex 的目标——解决人类没有标准答案的难题的通用模型。
- Discovery Model发现模型
- 不依赖已知答案，而是提出并验证新假设的模型。
- Agent Team智能体团队
- 多个子智能体分工、互相验证的协作系统，用于超长任务与验证。
收听指南
AI 创业者、大模型研究员、投资人和关注 agent 架构的工程师。
末尾约 5 分钟的两位创始人风格对比可跳过，与主线关系不大。