新智元报道


2026年，AI行业最昂贵的新故事，已经不只是「训练一个更大的模型」。

资本开始直接押注：让AI参与制造下一代AI。

4月，AlphaGo核心缔造者David Silver创办的 Ineffable Intelligence完成11亿美元融资、估值51亿美元。它要打造的不是另一个Chatbot，而是一个依靠强化学习和自身经验发现知识的「超级学习者」。

5月，Richard Socher、Peter Norvig等人创办的Recursive Superintelligence带着6.5亿美元融资亮相，目标直接写进公司名字：构建能够发现自身弱点、重新设计并改进自己的AI。

更早之前，AlphaChip联合创造者创办的Ricursive Intelligence在成立不到两个月后完成3亿美元A轮、估值40亿美元。它试图关闭一条真实的物理递归链：AI设计更好的芯片，更好的芯片再加速下一代AI。

另一边，Periodic Labs以3亿美元种子轮起步，建设AI科学家和供其行动的自动化实验室；Sakana AI完成2亿美元B轮、估值27亿美元后，又成立RSI Lab，把AI Scientist、自进化程序和Agent-Native Model接进同一条递归路线。其端到端自动化AI研究成果已于2026年3月正式发表于《Nature》。

仅上述已披露案例，融资金额已超过25亿美元，相关公司的已披露估值合计超过100亿美元。

这些公司技术不同、边界不同，甚至对「自我改进」的定义也不同。

但资本正在为同一个函数定价：

AI能力 → 自动实验 → 可验证结果 → 更强AI。

过去，AI公司的估值锚点是模型能力和用户规模。现在，一个新的变量正在进入定价模型：能力提升的速度，能否被系统自身持续加速。

RSI不再只是科幻

前沿实验室已经在自己的

研发线上看到它

Recursive Self-Improvement（RSI），递归自我改进，曾经更像一个关于「智能爆炸」的思想实验。

如今，它开始获得真实的生产数据。

Anthropic在《When AI builds itself》中披露，截至2026年5月，Claude贡献了其代码库中超过80%的合入代码，工程师日均合入量约为2024年的8倍；在小模型训练代码优化测试中，模型实现的加速也在一年内从约3倍升至约52倍。

OpenAI也在GPT‑5.6发布说明中直接引入RSI指标。研究人员已让模型参与故障诊断、训练系统优化、实验运行与结果分析；在衡量AI研发和模型优化能力的RSI Index上，GPT‑5.6 Sol较GPT‑5.5提升16.2个百分点。

这仍不是完整RSI。Anthropic称RSI尚未到来，OpenAI也仅称指标衡量「向RSI迈进的进展」。但趋势清楚：AI正从写代码的助手，走向执行实验、处理反馈并加速下一轮AI研发。

这正是RSI受到投资行业追捧的根本原因：一旦AI能够有效提升AI研发效率，今天的能力进步会加速明天的能力进步；研发效率不再线性增长，而可能形成复利。

AI4AI、Meta-Evolution和RSI，不是同一个概念


图1：AI4AI定义优化对象，Meta-Evolution描述经验反哺「改进者」的机制，RSI则要求更强的跨代递归闭环

热度越高，越需要把边界说清楚。

AI4AI（AIfor AI）描述的是工作对象：让AI参与创造和优化AI。它可以写训练代码、改模型结构、搜索算法、优化Agent Harness，也可以设计承载AI的芯片。

Evolution描述的是一次运行内的优化过程：AI根据反馈反复修改候选程序或系统，把当前方案变得更好。

Meta-Evolution进一步改变了学习对象：系统不只保留最终产物，还把进化轨迹用于训练，让那个负责提出改进的模型本身变强。

RSI则要求更强的跨代闭环：升级后的AI能够继续改进制造下一代AI的过程，并让这种能力跨代持续增强。

可以把三者的关系压缩成一句话：

AI4AI 回答「谁来做AI研发」；Meta-Evolution 回答「怎样让改进者本身变强」；RSI 追问「变强的改进者，能否继续制造更强的下一代」。

因此，不是所有AI4AI都是RSI，多跑几轮Agent也不是RSI。

从一次自动化实验，到真正的递归自我改进，中间缺少的是一套可执行、可验证、能够把经验送回模型的工程闭环。

这正是衔远科技 Frontis-MA 元智能体系列模型试图补上的位置。Frontis-MA1 此前已于 WAIC 2026首次亮相，衔远科技与清华大学团队持续推进模型训练与系统迭代，短短两周内，Frontis-MA1及其进化搜索性能继续提升。

本次，团队正式发布技术报告《Frontis-MA1: Training an AI4AI Model towards Recursive Self-Improvement inMachine LearningEngineering》，通过元进化工作流训练且面向机器学习工程的元智能体Frontis-MA1-35B 模型权重，以及贯通可扩展任务环境、强化学习训练与进化推理的全栈开源套件OpenMLE。


先看最硬的结果：


图2｜Frontis-MA1-35B + OpenMLE-Evo-Max达到71.21%。橙色实心部分是标准OpenMLE-Evo下的60.61%，斜线部分是Evo-Max带来的增益。右图比较模型总参数量与成绩。

如果只把它理解成一次Benchmark刷榜，就低估了这项工作的野心。

Frontis-MA1真正押注的是一个更大的范式变化：

今天的大模型交付一份智力快照；未来的AI系统交付一条持续上升的能力曲线。

而决定曲线斜率的，不只是模型有多大，而是系统能否把每次行动的结果，变成下一次改进的资本。

不是再造一个程序员，而是训练一个AI研发者

Coding Agent 解决的是一个相对确定的问题：需求已经给定，代码能否通过测试。

机器学习工程Agent面对的，则是一片没有标准答案的实验场。

假设一家银行希望提升欺诈识别模型。Agent拿到的是数据、指标、计算预算和合规边界，而不是一张写着正确答案的试卷。它要检查数据泄漏，选择验证策略，处理类别不平衡，比较不同模型，启动训练，分析错误，再决定下一轮是调整特征、改损失函数，还是融合两条路线。

一份程序能跑，只意味着拿到了入场券。

真正的目标是，在有限时间和算力内，把一个0.71分的有效方案，持续推向0.75、0.80，直到逼近甚至超过人类专家管线。

这类Agent有四个鲜明特征：

如果说 Coding Agent 是在替人写代码，机器学习工程Agent是在替人进行一部分研究与工程决策。

这正是 AI for AI 最具体、也最残酷的试验场：AI不再谈论如何改进AI，它必须在真实执行中把AI改得更好。

从这个意义上说，Frontis-MA1 也体现了衔远创始人周伯文教授长期强调的「通专融合」：它不从零训练另一个通用大模型，而是以 Qwen3.6-35B-A3B 的通用推理、编程与机器学习知识为起点，再通过专业任务环境、可验证反馈、后训练和进化搜索，把通用能力转化为机器学习工程能力。

自我反思不等于自我进化

今天的Agent很会「反思」。

它可以在一段文字里解释自己错在哪里，再生成一份看起来更周全的答案。但如果代码没有运行、模型没有训练、指标没有变化，这种反思没有支付任何现实成本，也没有通过现实检验。

没有可执行反馈，就没有进化，只有自我叙事。

机器学习工程尤其不相信语言上的自信。一次看似聪明的修改，可能导致数据泄漏；一套更复杂的模型，可能在小数据上严重过拟合；一条理论上优雅的管线，可能连显存都装不下。

OpenMLE 首先做的，不是让模型「想得更久」，而是为它建造一个无法糊弄的世界。

环境层OpenMLE-Gym将异构机器学习任务封装成统一的可执行任务包。公开输入与隐藏答案隔离，Agent提交的程序必须进入沙箱真实运行，再由任务内评测器给出分数。


图3｜约1.1万个Kaggle竞赛经过许可、可执行性和语义质量检查，最终留下2,240个竞赛任务。右侧是统一后的任务目录。

技术报告显示，OpenMLE-Gym包含5,758个可执行任务：156个精选锚点任务、3,362个Kaggle数据集任务和2,240个Kaggle竞赛任务。

这5,758个任务并不只是一批数据。

它们是一座「经验工厂」：模型的每次判断都必须变成行动，每次行动都留下结果，每个结果都可能成为后续模型训练的信号。

从任务、训练到搜索：OpenMLE把三个断点接起来


图：OpenMLE-Gym、OpenMLE-ERL与OpenMLE-Evo构成从执行反馈、操作学习到长时程搜索的完整技术栈

OpenMLE的核心设计，是让训练时学到的动作，与推理时真正需要调用的动作保持一致。

整个系统建立在四类原子操作之上：

OpenMLE-Gym提供可执行环境与经验来源；OpenMLE-ERL利用执行验证过的监督数据和在线强化学习，训练模型掌握四类可复用操作；OpenMLE-Evo再在推理阶段把同一组操作组合成长时程搜索。

团队最终构建了26,259 条监督训练样本，包括17,245 条完整方案，以及从高质量局部轨迹片段中筛选得到的9,014 个进化步骤。

这些数据不仅保留最后的高分答案，还保留一次修改从哪个父方案出发、得到什么反馈、是否被最终方案继承。

训练与推理因此不再是两套语言。

这也是OpenMLE最值得同行关注的设计：

训练的最小单元，与进化搜索的最小单元对齐。

Loop会把历史越写越长，Graph让经验拥有谱系

大多数Agent系统依赖Loop Engineering：生成、执行、反馈、再生成。

任务短时，这很有效。任务一旦拉长，线性历史便开始失控。日志、代码、报错和反思不断堆进上下文，Agent似乎「记住了一切」，却越来越难回答一个关键问题：到底是哪次修改带来了提升？

OpenMLE-Evo把这条不断变长的Loop，重构成一张可以选择、回溯和交叉的进化图。

每个候选程序及其执行结果构成一个节点，其中既包括成功评分的方案，也包括带错误签名的失败尝试；每次修改都记录操作类型、父节点、执行结果与评测分数。强路线可以继续生长，失败路线可以留下警告，两条不同路线还可以产生新的组合。

它不再把历史当作一段聊天记录，而是把历史当作程序谱系。

每个执行节点还会被压缩成结构化Experience Card，记录方案家族、相对增益、全局位置以及成功和失败证据。下一次操作只提取有限、相关的祖先与兄弟经验，而不是把整棵搜索树重新塞回上下文。

这就是从Loop Engineering走向Graph Engineering的关键：不只是多开几条分支，而是让分支之间能够留下证据、选择亲本、定向重组。


图：在nomad2018材料性质预测任务中，定向Crossover将互补分支重组，held-out RMSE由0.06096降至0.05410

论文中的nomad2018案例很直观：原始AIRA-Evo沿一条分支连续Debug七次；OpenMLE-Evo则保留了physics-informed GNN与稳健几何解析器两条互补路线，并从失败节点中提取缓存类型错误、特征维度不匹配等负面证据，最终在第81步发起定向Crossover，held-out RMSE再降低11.3%。

失败不再只是一条被丢弃的记录，而是下一次选择亲本和组合路线的证据。

需要说明的是，这是用于展示机制如何工作的同任务轨迹案例，而不是对Crossover单一因素的受控消融；端到端差异同时包含亲本选择、定向记忆和上下文构造的作用。

最关键的一步：不只进化程序，还要进化「进化者」

一条优秀的实验轨迹，通常会随着项目结束被归档。

OpenMLE则在训练工作流中，把经过执行验证的轨迹转化为监督学习与强化学习信号，用来增强模型执行Draft、Improve、Debug和Crossover的能力；训练后的Frontis-MA1再被部署进OpenMLE-Evo，执行长时程搜索。

第一轮进化，改进的是程序。

当这些可验证轨迹反过来训练提出修改的模型，改进的对象便开始从solution转向improver。

这就是论文所讨论的Meta-Evolutionary Step：它不是完整RSI的同义词，而是从Evolution迈向RSI的关键工程步骤。当前工作验证了「进化经验训练改进者、训练后的改进者进入搜索」的一轮工作流，但尚未形成部署后自动触发下一代训练的连续跨代闭环。

如果把这套方法压缩成一条Recipe，就是：

Ground → Evolve → Compile → Consolidate → Deploy

建立可验证环境 → 搜索更优程序 → 将轨迹编译为结构化经验 → 把经验固化为模型能力 → 将训练后的模型部署到进化搜索。

39.39% → 60.61% → 71.21%：模型增益与搜索增益可以叠加


图：相同OpenMLE-Evo隔离模型增益，OpenMLE-Evo-Max则展示模型与增强搜索组合后的系统上限

论文在MLE-Bench Lite官方22个任务上进行评测。除特别说明外，每个配置独立运行3次，每个任务的沙箱预算固定为12 个RTX 4090 GPU-hours，每个GPU显存上线为 12GB。

保持推理框架不变：

也就是说，execution-grounded后训练在相同Harness下带来21.22个百分点的绝对提升。

OpenMLE-Evo-Max进一步加入跨任务先验和异步多GPU搜索，同时保持任务内总沙箱计算预算不变。Frontis-MA1-35B与OpenMLE-Evo-Max组成的系统由此达到71.21% Medal Average、0.8126 Human Rank，并在22/22个任务上产生有效提交。

在论文同一张系统结果表中，GPT-5.5+Codex 为 68.18%，GPT-5.6 Sol+Codex 和 Kimi K3+Claude Code 均为72.73%。

这并不意味着「小模型战胜所有大模型」。不同模型与通用 Coding Agent 适合做系统级参照；严格归因模型训练效果，仍应看 39.39% 与 60.61% 的同框架对照。

更准确、也更有分量的结论是：

一个专门学习如何改进AI的35B级模型，配合与训练方式一致的进化系统，已经进入前沿通用模型系统的竞争区间。

同样的趋势还在另一条30B Backbone上得到复现：Qwen3-30B由34.85%提升至Frontis-MA1-30B的53.03%，再通过OpenMLE-Evo-Max达到66.67%。

这并不是宣称35B专业模型能够在所有任务上取代前沿通用模型，而是说明通用基座经过专业环境、可验证后训练和任务搜索的系统化转换，可以在目标任务上进入前沿系统的竞争区间。

这也是「通专融合」在Frontis-MA1中的技术落点：通用基座提供广度与迁移起点，专业环境、执行反馈和进化训练把能力压到足够深，并用受控实验检验这种能力转换是否真实发生。

通用能力决定起跑线。

专业环境、模型、执行器、记忆与搜索共同构成的闭环，正在决定能力兑现的深度与长期斜率。

真正的复利，不只是分数更高，而是每次改进更便宜


图：同一模型、相同随机种子与12小时预算下，OpenMLE-Evo用更少Token发现更多新最优

如果RSI只是「用更多算力搜索更久」，它很难形成可持续的复利。

新版报告因此补上了一组关键效率实验：固定同一个Frontis-MA1-35B Checkpoint、相同Seed和12小时任务预算，对比OpenMLE-Evo与原始AIRA-Evo，覆盖66个匹配Task-run。

结果显示：

Token下降远大于节点数下降，说明节省并不主要来自「少探索」，而是来自每次探索更便宜、更聚焦。

这可能是比「上下文越长越好」更值得关注的工程结论：

经验的价值，不在于被完整保存，而在于能否以正确的结构，在正确的决策点被重新调用。

离开Kaggle之后，它还能进化吗？


图：固定框架只换模型、固定模型只换框架，两组对照均显示正向迁移

如果MA1只学会了机器学习竞赛的套路，那么「AI for AI」仍然只是一个过大的标签。

团队因此把它带进NatureBench。

NatureBench从Nature系列同行评审论文中构建了90个容器化科研任务，要求Coding Agent在隐藏测试集上复现或超过论文报告的SOTA。此次评测采用覆盖六个科学领域的10任务Lite子集，关闭网页搜索，每个任务预算为4小时。

固定OpenMLE-Evo适配器，只更换模型：

固定Qwen3.6-35B-A3B，只更换搜索框架：

10个任务当然不足以证明「通用科学发现」。但它给出了一个关键迁移信号：在机器学习工程轨迹中训练出的改进能力，以及经验驱动的长时程搜索机制，都开始跨出竞赛分布。

对同行而言，这比多赢一块奖牌更值得追问。

从RSI热潮回到工程

真正稀缺的是Recipe

递归自我改进重新成为行业中心词之后，最容易出现的是宏大宣言，最缺的却是实践经验。

Frontis-MA1当然还没有实现完整RSI。模型与外部进化框架仍然分离，OpenMLE-Evo的大部分逻辑尚未成为系统自动改写的对象；任务、操作空间、评测规则和模型更新流程目前仍由人定义；奖励也主要围绕结果分数，而不是科研假设质量、研究策略或长期价值。

但这份工作的价值，恰恰在于没有跳过这些「不够科幻」的工程问题。

它最终沉淀出的，不是一长串原则，而是三条可复用的Recipe：

第一，可执行反馈，让生成成为进化。

第二，训练与推理共享操作空间，让「改进」成为可训练能力。

第三，把历史压缩成决策证据，同时优化能力上限与单位计算的进步。

如果预训练解决的是让AI「读过世界」，Meta-Evolution试图解决的，就是让AI从改造世界的后果中继续学习。

作为本次发布的后续，衔远科技正式发起OpenRSI by Frontis开放计划：把「AI改进AI」从宏大叙事变成可执行、可测量、可复现的工程问题。

OpenRSI 将沿三条技术路线持续推进：训练能够内化研究过程的AI4AI通用基础模型；构建能够判断「哪个方向值得继续投入算力」的AI4AI世界模型与研究「品味」奖励；以开放共建的方式，把真实世界的研究任务、环境与评测转化为可执行、可迁移、可训练的规模化管线，让搜索产生经验、经验进入训练、训练后的模型再回到搜索与评测。

OpenRSI的成功标准不是某个一次性的Benchmark，而是每一代系统都能以可验证、可归因的方式，让下一代AI研发更快、更省、更强——把改进速度本身变成优化对象。在此基础上，OpenRSI也将探索AI4AI模型与技术向现实产业任务的迁移，通过「通专融合」，把通用模型的推理与生成能力转化为行业中可评测、可交付、可持续进化的专业能力。

这或许才是Frontis-MA1从WAIC首次亮相走向本次正式发布，最值得关注的变化：

它交付的不是一个关于RSI的预言，而是一台已经开始运转的、生产「改进」的机器。

过去，AI产业依靠人监督AI、构建AI、优化AI。

未来，人类仍然定义目标、边界与责任，但越来越多具体的改进工作，将由AI完成。

模型不再只是生产线末端的一件产品。

它开始走回生产线，成为制造下一代智能的参与者。

技术报告：https://arxiv.org/abs/2607.28568

GitHub链接：https://github.com/FrontisAI/OpenRSI

HuggingFace链接：https://huggingface.co/collections/FrontisAI/frontis-ma1

参考资料：

Anthropic Institute, When AI builds itself

TechCrunch, DeepMind’s David Silver just raised .1B to build an AI that learns without human data

TechCrunch, What happens when AI starts building itself?

Ricursive Intelligence, Raises 0 Million Series A at Billion Valuation

Periodic Labs, Building AI scientists and autonomous laboratories

Sakana AI, Introducing the Recursive Self-Improvement Lab

Nature, Towards end-to-end automation of AI research

编辑：所罗门