MetaRSI-v1：一份关于自改进的技术报告
这一页是第 9 课的材料库：Ling 9 月 12 日转来的 MetaRSI-v1 视频稿和报告第 2 到 18 页，报告全文在 arXiv 2609.06396。报告的主张一句话：自改进能不能闭环，看任务能不能被机器检验，不看学科、不看模型多强；所以要造的不是更强的模型，是更便宜地在新地方闭环的机器。
十分钟。第 9 课讲了三条：验证梯子、三个可写面加权威边界、四个角色。这里把报告的结构件列全，供以后跟工程师对话时查。
先记三样
- 位置：研究框架，不是产品；学结构不引入代码。它的 Harness 五槽位和我们一席的结构一一对应。
- 抄与不抄：抄：密封评测器在所有写面外、每次改动只写一个面、加法必配减法、方法也要有分数。不抄：Model-RSI（我们不训模型）、一万条记录级的数据合成。
- 一个数：69%，普查的 45 个自改进系统里靠机器可查目标闭环的比例。一条令："这个领域的验证在梯子第几级？"
报告的结构件
Section titled “报告的结构件”| 件 | 报告怎么说 | 我们这 |
|---|---|---|
| 验证梯子（表 6） | 一级可执行测试与精确匹配；二级模拟；三级复现已报告结果；四级仪器跟协议；五级专家评分无标准答案。55 个闭环里 53 个在一到三级；2026 年 8 月新增 33 个，没有一个高于二级；八个领域从未闭环。 | 评测集十条是一级；验收三级没有梯子概念。 |
| 站立损失（图 5d） | 经济、临床、法律、历史、哲学五个领域能力在 67.8 到 80.8，但验证在五级，从来没闭过环：不是模型不行，是没人造验证。 | 集团的"文档类"票多在这一格。 |
| 目标系统 S=(D, θ, H) | 数据状态、模型状态、Harness 状态；改任何一个都改变部署系统的行为。Harness 五槽位：系统提示、记忆、内置工具、Skill、MCP。 | 一席的 CLAUDE.md、记忆目录、内置工具、Skill、MCP；能写 D 和 H，不写 θ。 |
| 学习信号 σ | 由固定的确定性编译器从证据集编译出；证据四种：验证器结果、自己的轨迹、经证明缺口后接纳的外部知识、框架自己的决策记录。信号是唯一通道，且易腐：每次改变能力的步骤后必须重编译。 | records 目录是证据，没有编译器；第 6 课 trace 一条线是它的前身。 |
| 四种不可互换的预算 | token、墙钟、GPU 算力、验证器查询次数。"只是多花钱"的改进不算改进。 | 只记额度；验证器查询次数没记过。 |
| 密封评测器 Q* | 留出题集、发布规则、账本都在系统外，任何改进程序不能写；否则被最大化的数可以靠改测量涨。 | 评测集作者自己能改，没密封。 |
| 循环内核 K（式 8） | 观察、诊断、提案、校验、执行、选择、导出七段；诊断与提案由模型驱动，其余五段是确定性代码；只有一道权威边界。算子唯一的准入条件是交出裁决权。 | 门认退出码不认模型文本，同一条边界；七段没有成文。 |
| 失败签名（式 10） | 每条失败轨迹三层：终端原因、因果角色（这两层由验证器和轨迹定）、可复用机制（这层是模型的假设）。同一套签名三个算子共用，所以缺习惯的失败路由到 Harness，缺知识的路由到数据和权重。 | 八条判据探针是终端原因；没有因果角色和机制层。 |
| 三个算子 | Data-RSI 放大器：只写数据，压出模型已有的能力并标出边界；作者与锚两个角色由同一模型担任但输入隔离，盲重解一致才收。Harness-RSI 脚手架：只写五槽位，带假设、预期效果、风险声明的类型化补丁；必须严格高于历史最好，复杂度有预算。Model-RSI 内化：只写参数，有界训练配方，永远从同一个基座训累计数据。 | 前两个可做；第三个不做。 |
| 五条允许边（图 8） | D→H 经验提取、D→M 数据物化、H→D 信号重编译、M→D 信号重编译、M→H 冗余调和（权重内化了的，从脚手架删掉）；禁止 H→M 和 M→M：数据集早于能力变化。 | M→H 的"减法"是三律退出日的理论版。 |
| 两轴调度（4.4） | 横轴：调度者按证据和预算排下一个算子，产出带证据的改进程序；纵轴：改某个算子的提案策略，契约把字段分成可变、动作、受保护三类，实际改动必须等于声明改动才接受。 | 第 5 课"计划是数据"的加强版。 |
| 元层（4.5）与四个角色 | 元层每期一次改调度者的策略，自身参数固定，层级到此终止。四个角色（调度者、子代理、元代理、转换适配器）由读什么、写什么、契约定义，人可以占任何一格，按同样审计。新领域建议人拿调度者。 | 调度者与元层没有对象，Ling 事实上占着。 |
开源组件：RSIH（本席 9 月 12 日核证）
Section titled “开源组件：RSIH（本席 9 月 12 日核证）”- 在哪：GitHub CosmosMind-ai/RSI-Harness，Hugging Face 同步镜像 CosmosMind/RSI-Harness。2026-09-03 建，09-09 最后推送，39 星，公开未门控。GitHub 搜“MetaRSI”搜不到，要搜作者名。
- 是什么：
rsih0.1.0，在 Pi coding agent（MIT，0.84.3）上加一层 Genome：一个目录就是一份完整、可校验、可分享的 harness 配置，十二个组件（instructions、tools、skills、commands、model、runtime、policies、integrations、appearance、settings、keybindings、resources），字段所有权互斥，越界加载即报错；配置是补丁不是替换，缺省继承 Pi 默认、null 显式重置。不带 Genome 时rsih与pi行为一致，有测试守着。 - GEE：
gee等于用harness-rsi这个 Genome 启动的交互 agent。它读你的会话历史（RSIH、Pi、以及 Claude Code 的~/.claude/projects），先聚合工具调用直方图、高频命令、热点文件、反复说过的纠正，再按你描述的场景把模式分成 Skill、工具、MCP、记忆四类，方案连同证据讲给你听，确认后才写出一个 Genome，写完自动过校验。这就是报告里 Harness-RSI 算子的“诊断、提案”两段落成工具的样子；裁决那一段（评测器）仓库里没有。 - 实测数字：
resources.isolate打开后，用户 58 个全局 skill 全部进 system prompt 是 36 KB，隔离后只剩 1 个、7 KB。 - 没有的：许可证文件（GitHub 与 package.json 都为空）；benchmark、数据合成、训练、评测实现；一条命令装远端 Genome；发布前脱敏闸门；Codex 会话库。模型供给可走 API key、本地 OpenAI 兼容端点，也可走 Pi 的订阅登录（/login 选 Anthropic Claude Pro/Max、OpenAI ChatGPT Plus/Pro、GitHub Copilot、Kimi 订阅端点）。本席 9 月 12 日写的“没有订阅登录”是错的，9 月 15 日更正。
- 三律裁决（本席建议，交阿匠定）：不引入。没有许可证就过不了取用律；Pi 是第二套 agent 运行时，和 Claude Code 是同一件事的第二个答案，要裁。原先第三条理由“模型走 API key 违订阅原生”已撤回：Pi 支持订阅登录。转写两件：一，把一席的 CLAUDE.md、settings、Skill、MCP、记忆当一个 Genome 看，写一个“席位基因组校验”脚本（字段所有权、补丁语义、校验闸门、种子哈希不覆盖用户副本）；二，把 GEE 的会话取证配方（
session-forensics.md）转写成我们自己的只读脚本，跑在~/.claude/projects的 JSONL 上，产出直方图和“反复纠正”清单，喂给 R41 能力消化。两件都不需要 Pi。另起一件候选：Pi 作轻量执行体 harness（订阅登录）与 Claude Code 一票两跑的 spike，交阿匠或克老师裁“同一件事一个答案”。 - 一个数：36 KB 到 7 KB。一条令：“我们一席的 harness 能不能像 Genome 一样 diff、校验、发给别人？”
报告本身与五条定律（Grok 2026-09-12 核证）
Section titled “报告本身与五条定律（Grok 2026-09-12 核证）”- 报告：arXiv 2609.06396，2026-09-06 提交、09-09 修订（v2），题名 MetaRSI / RSI²: A Meta-Recursive Self-Improving System for Recursive Self-Improving Systems Themselves；作者 Zihan Tan、Leixin Sun 等，通讯 Guancheng Wan；作者机构未核。官网 PDF：cosmosmind.ai/research/metarsi-v1.pdf。
- 两组数字都在：11.3 是六款前沿模型（Gemini 3.1 Pro、DeepSeek V4 Pro、Claude Opus 5、Kimi K3、GPT-5.6 Sol、GLM-5.2）走 Data-RSI 加 Harness-RSI 路线在 Terminal-Bench 2.1 上三期累计的提升（三期各 +7.3、+2.8、+1.2），不是单期平均；10.9 是 Qwen3.5-35B-A3B（30 亿激活）在四个密封集（Terminal-Bench 2.1、SWE-bench Pro、GPQA-D-hard100、AIME 2025 到 2026）上的平均自提升。注意三期递减：第一期拿走六成多。
- 第 6.7 节五条定律（原文加直译，每条配一句我们这）：
- Verification, not capability, sets the frontier. 验证而非能力设定前沿。我们这：先给每类票标验证梯子级数。
- Self-knowledge expires, so re-description is the rate limit. 自我认知会过期，重新描述是速率瓶颈。我们这：学习信号每次改动后必须重编译；Current 不刷新就是过期的自我认知。
- Competence is substrate-free; its cost is not. 能力与载体无关，成本则否。我们这：同一能力放 Harness 每次推理重付，放模型一次付清；我们只能选前者，所以要做减法。
- Trust is measured by what cannot be written. 可信度由不可写之物度量。我们这：密封评测器、留出题集、发布规则、账本，谁都不能写，才有可信度。
- No loop creates capability; every gain is imported. 循环不创造能力，一切增益皆为输入。我们这：自改进只放大模型已有的东西，别指望它补上模型没有的能力。
开源组件由本席核证，报告、数字与定律由 Grok 核证（三次派单，第三次六分钟回）。视频稿原文与报告照片存集团记录，不公开。