Open-Science 追踪 AI 递归自我改进

博主 Dongxi 东锡 NLP 用 AIPOCH Open-Science 开了一个 RSI 项目，从《What if automating AI R&D triggers an intelligence explosion?》和《The Economics of Recursive Self-Improvement》两份材料出发，追踪 AI 递归自我改进的技术路线与经济账。 他引用的实验显示：DGM 在 200 个任务的 SWE-bench 子集上，基础模型冻结、仅改智能体周围软件，80 轮后任务解决率从约 20% 升至 50%；AIDE² 的 7 次框架改写实验终点私有评分均值为 0.780 与 0.782，未确立演化版本优势。 这只是一次工具使用记录：项目文件在本地，但发给所选模型的必要上下文仍可能离开本机；导入的研究历史只读、代码不会自动重跑；交接在同一台电脑的两个项目间完成，图表重建另用已有 Python 环境，没有复现论文模型实验，也未验证跨设备环境恢复。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。