《The Last AI Built by Humans》这篇论文系统梳理了 Recursive Self-Improvement，也就是递归自我改进。
作者把 RSI 分成 5 个阶段。
最开始，人类决定改什么、怎么改，AI 负责执行。
再往后，AI 开始自己寻找改进策略、决定下一轮需要什么训练经验，并根据部署反馈持续更新。
最高一层 L5 更关键：AI 开始修改「改进机制本身」。
比如重新设计自己的搜索策略、评估器，甚至决定下一代系统该如何产生和筛选。
这也让论文提出了一个很重要的区分：
一次性能提升，还不能说明发生了真正的递归进化。
新的改进机制需要被保留下来，继续参与下一轮改进；而且在相近预算和独立评估下，确实能产生更强的后继系统。
与此同时，风险也会跟着累积。
错误经验可能被继承，评估器可能被钻漏洞，我们甚至可能分不清提升来自真正的自我改进，还是更多搜索和算力。
RSI 的分界线也被梳理的越来越清楚。
Agent 能不能把「如何改进」本身，变成一种可验证、可继承、还能继续优化的能力。
这可能才是自进化从一次次实验，真正走向长期系统的关键一步。
📎 arxiv: https://arxiv.org/abs/2609.11873