當 AI 開始給自己動刀，“智能爆炸”可能真不遠了：兩篇論文拆解AI下一步進化路徑

硅谷Tech news2026.09.23 10:17 · 來自北京全文6004字00:00 / 14:22當 AI 開始“改進自己”,AI 的下一個躍遷，取決於在群體中相互成就。最近，AI 圈同時被兩件事刷了屏：一邊是 MIT 材料科學家 Markus J.Buehler 的長文（題為 Recursive Meta-Intelligence，與 SwarmWorld 互為呼應）一週內引來二十多萬次圍觀；另一邊，DAIR.AI 力薦的一篇論文登上了 Hugging Face 日榜第二名。兩條推文看似毫無交集，指向的卻是一個趨勢——AI 正在學會改進自己。

Buehler 團隊的 SwarmWorld，講的是“一群 AI 如何通過共同生活的世界悄悄把彼此變強”；DAIR.AI 推薦的 ModularRSI，講的則是“單個 AI 如何給自己的執行框架動手術”。一個來自 MIT，一個來自北航、曼徹斯特大學、瀾舟科技等組成的團隊；一個面向材料科學，一個面向軟件工程。它們像是同一命題的兩種解法，而這命題正是眼下最熱的“遞歸式自我改進”（Recursive Self-Improvement，RSI）。需要說明的是，這兩篇都還只是 arXiv 預印本，未經嚴格同行評審，卻在社交媒體上收穫了遠超尋常論文的關注。它們憑什麼出圈？

這背後是 AI 發展悄悄換擋的訊號。“遞歸式自我改進”並不新鮮，過去多半停留在模型參數層面，用更多數據、更大算力“喂”同一個模型。而 SwarmWorld 與 ModularRSI 不約而同地把目光從“模型本身”挪開：一個聚焦共享環境，一個聚焦執行機制。這傳遞出一個信號，在模型之外，還有大片等待“進化”的疆土。AI 學會了“製造工具”先看 MIT 那篇。據公開資料，Buehler 是材料科學領域繞不開的名字：MIT 講席教授、土木與環境工程系前系主任。

這一次，他和團隊拋出的 SwarmWorld，沒有堆更大的模型，而是把 50–200 個“初始狀態完全相同”的 LLM 智能體，扔進一個共享的模擬世界。每個智能體都從零開始：沒有預設分工、沒有初始配方、甚至沒有“負責人”，只能觀察、思考、動手——探索地形、採集資源、測試材料、搭建建築、編寫可執行的控制程序。最關鍵的是，這套世界是“物理”的：規則由確定的模擬器執行，智能體可以提出任何設計，但能不能建出來、性能如何，由模擬器說了算。論文想回答的問題是，一群互不相識的 AI，能不能像螞蟻築巢一樣，通過共同的“世界”自發地長出一整套技術？答案出人意料地接近“能”。

在三千多個時間步的模擬裡，智能體自發分化出探索者、建造者、維護者、協調者等角色，技術也在代際間累積、傳承、迭代，甚至出現了相當精妙的結構，比如一種名為“三層連接的幾丁質交換晶格”的構造，經模擬器驗證拿到 0.79 的亮眼評分。SwarmWorld 模擬世界示意圖（A）與智能體“觀察—思考—行動”的執行框架（B）為什麼值得關注？因為 SwarmWorld 從機制上解決了一個老問題：過去讓多個智能體協作，多半靠預設角色、強制分工或中央調度，很難證明“協作本身”創造了價值。它用可控的機制對照實驗，把“聊天”和“共享環境”的作用一層層單獨拆開檢驗。

它也格外“較真”：設置了一個“獨立搜索”的強對照——讓同樣數量的智能體各自為戰，取表現最好的一臺作上限；只有共享世界長出的整體確實強過這臺“尖子生”，才承認協作有價值。尤其值得稱道的是，SwarmWorld 把“認知”和“後果”刻意分開：智能體負責提出設計與假設，但能不能落地、性能如何，由獨立且確定的模擬器裁決，杜絕了“自說自話”。不聊天，反而協作得更好？這裡有個關鍵概念——stigmergy，常譯作“間接協作”或“環境媒介協作”，由法國生物學家 Grassé 於 1959 年提出。它源自昆蟲學：螞蟻並不靠商量，而是通過改變環境，留下信息素、搬運土粒來協調行動。

為了驗證，團隊設計了四組“機制對照”實驗：一組允許完整文化（能聊天、能記錄、能繼承程序），一組去掉聊天，一組連顯式文化也去掉、只留物理環境這一層媒介，還有一組讓智能體各自為戰，作為“獨立搜索”的對照組。結果耐人尋味，共享世界確實長出了更豐富、更抗折騰的“技術組合”。面對從未見過的擾動（汙染、乾旱、風暴），存活韌性普遍更強。但真正讓人意外的是：智能體之間的大部分“複用”，並不靠對話，而是靠觀察環境裡既有的成果。留下來的東西，比說過的話更有用。

研究者也沒有把話說滿：“群體優勢”是有限的，共享世界帶來的是技術生態的多樣化與累積，並不保證每件單體發明都能碾壓個人英雄主義；某些指標上，獨立搜索甚至能造出最強的單件器物。合作的價值在於“讓文明的底子變厚”，而非“讓某一個人更聰明”。從 1959 年“間接協作”概念的提出，到 Boids、蟻群優化，再到 SwarmWorld 的技術脈絡這個發現提醒做 AI 智能體的團隊：與其讓智能體沒完沒了地“開會”，不如給它們一個能共同留下痕跡、共享成果的環境。有開發者直呼這簡直是把“看板”當成了智能體的公共記憶。順著這條線索，SwarmWorld 的“技術傳承”也很有意思。

智能體寫下的可執行程序，不只是自己用，還會成為世界裡看得見摸得著的“遺產”，供後來者觀察、複用甚至改寫。論文稱這種靠實物傳承的積累為“可執行繼承”，它讓知識像滾雪球一樣越滾越大。為了把結論做紮實，團隊跑了兩組互補實驗：一組把智能體規模從 50 拉到 200，看協作優勢如何隨“人口”增長放大；另一組讓 100 個智能體運轉三千多個時間步，不斷用未曾見過的災害打亂局面。當然，也不必過度浪漫化。論文提醒，顯式的“文化”機制（記錄、教學、交易）雖能帶來更強的協作，但並不同時保證每項結果都更優——有時反因環節多了拉低某些指標。協作的紅利有邊界，恰到好處比多多益善更重要。

給 AI 的“執行外殼”動手術如果說 SwarmWorld 關心“一群 AI 如何組織起來”，那麼 ModularRSI 關心的是“一個 AI 的執行機制如何自我完善”。它的作者陣容同樣不簡單：領銜的是曼徹斯特大學與北航的團隊，合作者裡還有瀾舟科技創始人周明——前微軟亞洲研究院副院長、ACL 前主席。先解釋一個概念。大模型要真正幹活，外面還得包一層“執行外殼”（harness），管著推理—行動—觀察的循環、工具調用與上下文取捨。過去兩年，智能體的表現上限，很大程度上取決於這層外殼寫得好不好；而“遞歸式自我改進”，就是讓外殼也能從執行經驗裡慢慢變好。

但這裡有個死結：一次任務成敗是一錘子買賣，它不會告訴你“到底是哪段機制出了問題”，這就是信用分配問題。更麻煩的是，如果直接在評估基準上演化外殼，你根本分不清模型是學到了通用的本事，還是單純“背會了考題”。ModularRSI 的解法可濃縮成六個字：解耦、對比、門控。它先把可演化的外殼拆成五個功能模塊，智能體循環、工具調用、觀測管理、上下文管理、任務完成檢，各自獨立演化；再把每條任務的成敗軌跡分開、成對對比，找出反覆出現的系統性缺陷，對症下藥。

最後，任何改動都要過三道驗證閘門（論文稱 Validation Gates）：程序檢查、差異審查（剔除只針對個別任務的過擬合改動）、執行驗證，不達標就回滾。ModularRSI 框架：先做對比軌跡分析，再分模塊演化外殼，最後經驗證門控把關效果相當能打。在 TerminalBench 2.0 上，外殼準確率從 47.57% 提升到 52.43%；在 SWE-Bench Verified 上，從 73.40% 提升到 76.45%。更重要的是，這些提升能跨任務域、跨底層大模型遷移，說明它學到的不是刷分技巧，而是可複用的執行機制。ModularRSI 在兩個主流基準上的性能提升為什麼“通用”這麼難？

細看會發現，不少自我進化方法都鑽了空子：要麼直接拿下游基準的數據演化，等於先看答案再答題；要麼把整套外殼當成一塊鐵板，動一處就牽一髮動全身。ModularRSI 特意劃清界限，用 2000 個與評估基準完全不相交的任務來“練功”，堅持分模塊小步快跑。這種較真，換來的是實打實的跨模型遷移能力。研究者還做了一組對照：把五個模塊揉在一起整體演化，與分開演化再合併相比，後者明顯勝出。這說明，把複雜問題拆成邊界清晰的子問題逐個擊破，即便在“讓 AI 改進自己”這件事上依然成立。

細看這五個模塊，會發現它們幾乎對應著智能體幹活時的全部“軟技能”：智能體循環掌管推理與行動節奏，工具調用決定何時出手，觀測管理篩出反饋要點，上下文管理取捨歷史記憶，任務完成檢測則盤問“活幹完沒有”。這種“器官分工”，讓每次改進都能精準定位，而不是一刀切地重寫全局。同一條路上，兩種走法把兩篇論文擺在一起看，它們共享同一個雄心：讓 AI 從自己的經驗裡變得更強，也都不相信“在基準上刷分”能帶來真本事。但走到岔路口，它們分道揚鑣了。SwarmWorld 往“群體”走：把幾十上百個智能體放進共同的世界，讓分工、協作、技術傳承從環境與積累中自發湧現。它的槓桿，是共享的“物理世界”和持久化的成果。

ModularRSI 往“個體”走：把單個智能體的執行機制拆成零件逐個打磨。它的槓桿，是模塊化結構、對比學習的信用分配和嚴格的驗證閘門。一句話概括：一個是“讓文明的底子變厚”，一個是“讓工匠的手藝變精”；一個面向科學發現，一個面向軟件工程。“AI 自我進化”的兩種路線定位兩篇論文也都對“評估”保持了警惕：SwarmWorld 用“未見過的擾動”考驗技術，ModularRSI 用與基準完全不相交的數據逼自己學“真本事”。這種對泛化的執著，或許最值得尊重。

從團隊構成也能看出分野：SwarmWorld 出自 MIT 的材料科學實驗室，帶著“科學發現”氣質；ModularRSI 是一支橫跨高校與產業界的 NLP 團隊，奔著“讓智能體真正好用”而去。一條往科學的天花板夠，一條往工程的落地處扎。當 AI 開始改進自己，意味著什麼這兩篇論文最引人遐想之處，在於它們共同指向一個更大的命題：當 AI 能自己創造思考的空間、改進自己的機制，所謂的“智能爆炸”，也許就不再只是科幻設定。

Buehler 在那條題為 Recursive Meta-Intelligence 的長文裡寫得很直白：AI 為科學打開了一扇門，能發明我們沒時間親手去造的新儀器，遍歷我們無力窮盡的可能未來，再把海量探索壓縮成幾條人能理解、能驗證、能製造的機制原理。他管這叫“擴展人類認識的邊界”。（這條長文是 SwarmWorld 的姊妹篇。）而 ModularRSI 的團隊則更務實，把代碼開源到了 GitHub。當然，也要潑一盆冷水。這兩篇都還只是預印本，實驗規模與泛化結論還需更大範圍、更長時間的檢驗。SwarmWorld 目前仍完全運行在模擬器裡，要遷移到真實的機器人世界還有一段路走。

正如一位評論者在 DAIR.AI 推文下的留言一針見血——“很難分辨，這層外殼是不是隻是把失敗模式，挪了個地方。”回看這兩篇論文，會發現它們的野心互為表裡：SwarmWorld 想證明“集體智慧可以自下而上地湧現”，ModularRSI 想證明“個體能力可以自上而下地精進”。一個把舞臺交給環境與群體，一個把功夫下在機制與細節。它們未必是最終的答案，卻共同指向了一個更有想象力的未來——AI 能在一個不斷累積的世界裡，自己動手、自己傳承、自己進化。但無論如何，方向已經清晰：AI 的下一個躍遷，可能不再取決於把模型做得更大，而在於讓它學會在經驗中自我打磨、在群體中相互成就。

從“用更大的模型”，到“用更好的自己”——這或許是未來幾年最值得期待的一躍。（本文首發APP，作者 | 硅谷Tech-news，編輯 | 焦燕）參考資料：https://x.com/dair_ai/status/2101835306953736396https://x.com/ProfBuehlerMIT/status/2099834306046664792https://arxiv.org/abs/2608.26081https://arxiv.org/abs/2609.14857