Anthropic公开RSI落地：Claude主导26%AI研发
近期，AI领域的递归自我改进（RSI）赛道迎来了行业头部玩家的公开方法论分享，某AI公司发布长文详细拆解了内部RSI落地的核心框架，包括研发自动化指数的构建、AI主导研发的占比情况，以及针对数万个人工智能代理的监督体系。
要理解这份公开的RSI实践文档，不能不提同期发布的一篇重量级行业综述：该综述系统梳理了2024至2026年间的1250篇相关论文，是目前为止对递归自我改进领域最完整的一次全景测绘。最直观的观察是，这个领域的扩张速度本身就呈现指数级增长——仅2026年第二季度，相关学术平台收录的RSI相关论文就达到了501篇。
研发自动化的六级量化标准
该AI公司构建了「研发自动化指数」，采用了行业通用的六级自动化量表：
- AL0至AL2：无AI/极少AI/AI辅助，核心研发工作仍由人类主导
- AL3：AI协作模式，人类全程密切指导，遇到关键决策时AI会暂停等待人类介入
- AL4：AI主导模式，AI可以从高层提示出发端到端完成研发任务，人类仅负责最终监督，比如审查报告、决定是否部署成果
- AL5：完全自主模式，AI可以自行监控、修复并完成全流程研发，全程无需人类介入，目前尚未有研发子集达到这一等级
Claude主导的研发占比：半年内从1%跃升至26%
截至2026年8月的核心统计数据显示：没有任何研发团队实现了完全自主的AL5等级；Claude以AI主导模式（AL4）完成了26%的AI研发工作；而AI协作及以上的自动化研发占比已经超过了90%。
更值得关注的是这一数据的增长斜率：2026年3月，AI主导的研发占比仅为1%，4月升至3%，5月达到12%，7月跃升至22%，到8月已经达到26%——短短半年时间，该占比从几乎为零飙升至四分之一，整体研发自动化等级呈现向上迁移的趋势。
递归自我改进的核心分界：有界与开放式
这份行业综述还对「自我改进」的核心维度进行了详细拆解：一方面要看系统改进的对象，包括部署行为、训练权重、评估体系以及研发流程本身；另一方面要看验证的主体，从人类全程在环监督，到人类仅在环上做最终审核，再到完全闭环的自动化验证。
基于这两个维度，该领域可以被划分为两大核心类别：一是有界自我改进，这类改进针对固定的外部标准，具备可收敛的特性，已经成为当前的工业实践；二是开放式递归自我改进，也就是我们所说的RSI，这类改进甚至可以改写改进自身的标准，原则上存在无限发散的可能。
在1250篇被梳理的论文中，绝大多数研究都集中在「人类在环上」的验证模式中，也就是当前文献的主流方向。
根据改进对象的不同，1250篇论文可以分为四大技术类别，具体分布如下：
| 技术类别 | 改进方向 | 论文数量 | 2026年发表占比 |
|---|---|---|---|
| 部署时自我演化 | 输出、测试时权重、脚手架/技能 | 393 | 74% |
| 训练时自我迭代 | 自奖励RL、自蒸馏、自博弈 | 340 | 69% |
| 自我评估 | 裁判、过程奖励模型、验证器 | 318 | 82% |
| 自动研究 | AI科学家、演化式程序发现 | 139 | 76% |
其中，自我评估是2026年新增最快的研究方向，这也印证了行业对AI自主验证能力的重视。
结合该AI公司的内部实践来看，他们的AL4模式属于典型的「人类在环上」的研发流程：改进信号由AI自动生成，最终由人类进行审计把关。该公司的内部统计也印证了这一现状：截至2026年5月，Claude已经撰写了该公司超过80%的合入代码，研发执行环节已经实现了高度自动化，但真正的瓶颈卡在「研究方向设定」——也就是选择什么问题值得投入研发，这部分人类的判断能力目前仍无法被自动化替代，这也解释了为何AL5等级的完全自主研发尚未实现。
三万个人工智能代理的监控体系
该AI公司的研发团队已经越来越依赖可以长时间半自主工作、并且能够互相委派任务的人工智能代理。目前单个代理出现失当行为的情况仍然罕见，但当代理规模达到百万甚至十亿级时，原本的罕见事件就会常态化。
为此，该公司定义了三个核心监控指标：覆盖率，也就是行为经过监控的比例；审查延迟，也就是从行为发生到完成复核的时间间隔；升级率，也就是被拦截或标记为异常的行为比例。
该公司的人工智能代理双层监控体系具体如下：
| 在线监控器 | 离线监控器 | |
|---|---|---|
| 职责 | 实时检查并拦截危险动作，主要针对快速且不可逆的风险，比如拷贝模型权重导出系统 | 事后审查活动记录，针对缓慢可逆的风险，比如模型精度失准的迹象，对于最高危的情形会直接关停相关部署 |
| 覆盖率 | 100%的行为在执行前经过监控，通常审查延迟在数秒内 | 100%的行为在事后被完整收录 |
| 审查延迟 | 行动前自动完成审查，被拦截的行为会在一周内交由人工复核 | 每周标记约10万条活动记录，经过分类器初筛后，约50条记录会升级为人工审查 |
| 拦截/升级率 | 2026年8月，超过10亿次决策中仅有0.002%被拦截，大约每47000次决策中会出现1次异常 | 每1000份活动记录中，会被标记1到2份异常样本 |
截至2026年8月，该公司最常用的内部研发平台上，任意时刻都有约3万个人工智能代理在从事研发工作，所有代理的行为都受到这套双层监控体系的覆盖。
监督的核心：验证层级与裁判的质量天花板
为什么「裁判」的可靠性对于RSI体系如此关键？这份行业综述给出了清晰的理论框架：它将自我评估单列为与部署、训练、自动研究并列的第四大类研究方向，共有318篇相关论文，也是2026年新增最快的方向。其核心逻辑在于：每一条自我改进的环路，本质上都是「某个信号可以替代人类判断」的声明，而整个环路的性能天花板，就取决于这个替代信号的质量。
该综述将评估信号按照验证层级进行了排序，越往上的信号可靠性越强，但覆盖范围越窄；越往下的信号成本越低，但越容易被钻空子。从高到低的层级分别是：形式化验证器、执行反馈、学习型裁判、内在信号。而「人类研究判断」是目前AI尚无法攀爬的最高层级。
典型的成功案例比如FunSearch、AlphaEvolve，正是因为它们站在了验证层级的顶端，程序的执行结果可以被直接检验，具备明确的客观标准；而当前的「AI科学家」系统之所以产出的论文难以被审计，正是因为它们在用第三层的学习型裁判工具，去解决第四层的人类研究判断问题，也就是所谓的研究品味选择。
该AI公司的自动化评级体系中，Claude正是在扮演「学习型裁判」的角色，用自身来评估自身的研发成果，这也就是综述中提到的「自我确认循环」：当生成器与评估器共享权重时，高置信度的错误会被系统性地过度奖励，这种模式甚至不需要外部攻击者，就可以自发产生错误的奖励信号。该公司在方法附录中提到，模型与人类评级的一致率为59%，而人类彼此之间的评级一致率仅为35%，通过这样的校验设计来对冲自我确认循环的风险，这也相当于在向验证层级的上方攀爬。
整体来看，递归自我改进的赛道才刚刚起步，相关技术正在持续推动研发自动化的进程，而如何构建可靠的评估体系，将是决定未来AI自主研发能力的核心关键。
相关参考资料：Recursive Self-Improvement in AI: From Bounded Self-Refinement to Autonomous Research Loops、https://arxiv.org/pdf/2607.07663
