跳转到内容
AIOS 前沿课

让改进本身也能改进

读完这课你可以下的命令：“这个领域的验证在梯子第几级？这次改的是哪个面？裁决的代码在写面外吗？谁占调度者那一格？”

  • 验证梯子
  • 三个可写面
  • 二阶改进

怎么读：全文两千四百字，二十分钟。材料是你 9 月 12 日早上转来的视频稿和随后拍的十七页技术报告（CosmosMind 出品，MetaRSI-v1）。数字和结构以报告为准，报告在 arXiv 上，视频稿的两组数字也核到了。只讲三条，外加找到的那个开源组件；其余在前沿补给。

先撞一次

Section titled “先撞一次”

这门课自己，是怎么变好的？

前五课我用同一套办法写：读材料、列要点、配词表、发链接。每课都比上一课多一点，但写课的办法一直没变。直到 9 月 11 日你说“你不能只把这东西写上来，写上来谁都会”，办法才换了一次，换成现在这套。换办法的信号不是从课里长出来的，是你发火。

你转来的报告讲的就是这件事，只不过对象是模型：过去两年，模型自己造数据、自己改提示词、自己修代码，模型在变强，可让模型变强的那套程序是死的，改进环改进了系统，没有东西改进环。他们做的是让那套程序也进化。放到我们这，问题一模一样：席位在变好，“让席位变好的方法”谁在改？

东西在变好，不等于变好的方法在变好；后者才是天花板。

上一课三问，先答再往下

Section titled “上一课三问，先答再往下”

第 8 课末尾问的，答案在这。

  1. 为什么探针能防共模失效，“另一席看一眼”不能？探针不共享模型的盲点，只认退出码；另一席和作者是同一个模型，会在同一个地方错。
  2. 冲突法的三句是什么，我们缺哪一句？谁可写、冲突谁停、少数意见怎么进真源；缺第三句。
  3. OC2 网关崩五个月没人知道，是静默失败的哪一种？状态腐烂：进程在，状态五个月没推进，看门狗只看进程在不在。

新旧对照：自改进这件事，三处改令

Section titled “新旧对照：自改进这件事，三处改令”
“让它自己越来越强。”先看这个领域的验证在梯子第几级；一到三级才开自改进，四五级先造验证。你改下的令：“验证在第几级？没有就先别开。”
Skill、hook、记忆只往上堆，越堆越多。Harness 面做加法也做减法：能力内化进模型后，删掉原先堆在工具里的那部分；每一条加法都在每次推理时重付一遍上下文的钱。你改下的令：“这次改动删了什么？”
改进方法固定，出大事才换。把“怎么改”也当对象：调度者改组合，元层改调度规则，每层只写自己那一格，都要过同一个密封评测器。你改下的令：“谁占调度者那格？它上次变是什么时候？”

三条的共同点：评测器在所有写面外面。报告原话：没有这道分离，被最大化的数可以靠改测量来涨。第 6 课说票没探针不开工；这一课推到自改进：没有密封评测器的环，转得越快错得越快。

自改进的上限不在模型多强，在任务能不能被检验。

三条发现，各落一格

Section titled “三条发现，各落一格”
  • 验证格式决定前沿，不是学科发现：普查 45 个自改进系统，69% 靠机器能免费判对错的目标闭环。验证分五级梯子：可执行测试、模拟、复现已报告结果、仪器跟协议、专家评分无标准答案。55 个闭环里 53 个在一到三级；八个领域从来没闭过环。落格：观测与验证。我们这：第 6 课的十条评测集是一级；验收三级没有梯子概念，很多票其实在五级。一个数：69%。一条令：“这个领域的验证在梯子第几级？三级以上先别开自改进。”
  • 三个可写面，一道权威边界发现：被改进的系统是三元组：数据、模型参数、Harness；Harness 是五个槽位：系统提示、记忆、内置工具、Skill、MCP。一次循环七段，只有诊断和提案由模型说话，其余五段是确定性代码；算子进框架的唯一条件是交出裁决权。密封评测器、留出题集、发布规则、账本，任何改进程序都不能写。落格：能力层、控制面。我们这：五个槽位就是一席的 CLAUDE.md、记忆、内置工具、Skill、MCP；门认退出码就是那道边界；缺“密封”：评测集作者自己能改。一个数：七段里两段。一条令：“这次改动写的是哪个面？裁决的代码在写面外面吗？”
  • 四个角色各写一格，人可以占任何一格发现：算子改系统，调度者改算子的组合（横轴选谁跑、纵轴改提案策略），元层每期一次改调度规则，到此为止。每层只写自己那一格，越级写被代码拒绝。角色由读什么、写什么、契约定义，不由占位者定义：任何一格都可以由人占，按同样的审计。新领域证据薄，作者建议第一次部署就是“人拿调度者，算子自动跑”。落格：控制面、真源与状态。我们这：能力消化是一阶算子；调度者和元层没有对象，你现在事实上占着，没有契约和账本。一个数：四个角色。一条令：“谁占调度者那格？它的契约和账本在哪？”

核心词：二阶改进

Section titled “核心词：二阶改进”

“平方”两个字到底多了什么？

类比。磨刀是一阶：刀变快。改磨刀的手法是二阶：以后每把刀都磨得更快。多数人一辈子只做一阶，刀钝了再磨；很少有人回头看自己磨刀的方法对不对，更少有人给“磨刀方法”打分。

修排打分元层：改调度规则每期一次，到此为止调度者：改组合横轴选谁 · 纵轴改策略算子：改系统数据 · Harness · 模型密封评测器在所有写面外
三层各写自己那一格；人可以占任何一格。

模型说话的地方代码说话的地方谁都改不了的地方一层

例子。这门课的一阶是每一课；二阶是这门课怎么教那页，它规定课怎么写，改它一次，后面每课都变。9 月 11 日之前没有这一页，所以前五课只能一课一课手改。集团里也一样：改 Skill、改 hook 是算子；谁排下一个改什么、谁改“排法”，现在没有对象。

白话。一阶改东西，二阶改“怎么改”。二阶的产物不是更好的东西，是更好的方法；方法也要过同一个评测器，方法不涨分就换方法。

术语。递归自我改进 RSI 是一阶；报告里调度者叫 RSI² Agent，元层叫 MetaRSI² Agent，元层参数固定，层级到此终止。和第 5 课“计划是数据”同一个道理：方法写成带契约的数据，才改得动、验得了。

驱动交给只认学习信号从自己跑出的轨迹编译模型提议诊断 · 提案（只这两段）代码裁决校验 · 执行 · 选择 · 导出密封评测器打分在所有写面外，谁都改不了
一次循环七段，模型只占两段；打分的评测器谁都改不了。

二阶的对象是方法；方法也要有分数、有回滚、有写面。

工作样例：一条坏命令改成好命令

Section titled “工作样例：一条坏命令改成好命令”
坏的“让阿匠把 Skill 越做越好。”
改第一步：补写面和评测器“只改 Harness 面的五个槽位。每次改动跑评测集十条，评测集阿匠不能改；分数不严格高于历史最好就不发布。”
改第二步：补减法“能力稳定之后，删掉 Skill 里已经不需要的步骤；删了什么、为什么，写进登记，退出日照旧。”
改第三步：补二阶“每月看一次改 Skill 的方法本身：改动通过率、回滚率、每分提升花了多少。方法不涨就换方法，不换 Skill。”

三步对应三条发现。第三步是新的：以前我们只有一阶，方法什么时候换全看你什么时候发火。

开源组件：找到了，只学不装

Section titled “开源组件：找到了，只学不装”
  • RSIH（CosmosMind-ai/RSI-Harness，GitHub 与 Hugging Face 同步）位置：报告三个算子里只有 Harness-RSI 开了源，而且是它的工具面：在 Pi coding agent 上加一层叫 Genome 的配置对象，十二个组件字段所有权互斥、缺省继承、有校验闸门；GEE 读你的会话历史（含 Claude Code 的）把反复出现的模式分成 Skill、工具、MCP、记忆四类，讲给你听、你确认才写。抄：Genome 的结构和校验、会话取证的配方、资源隔离。不抄：Pi 运行时（第二套 agent 运行时，和 Claude Code 是同一件事的第二个答案）、代码本身（仓库没有许可证文件）。更正：Pi 支持订阅登录（Claude Pro/Max、ChatGPT、Copilot），“违订阅原生”这条理由 9 月 15 日撤回。仓库不含评测、数据合成与训练，视频里的分数不能从它复现。一个数：隔离后 system prompt 从 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？”

关键词卡（三张）

Section titled “关键词卡（三张）”
验证梯子五级：可执行测试、模拟、复现、仪器跟协议、专家评分；级数越高，机器越难免费判对错。越强的模型越能自我进化。评测集十条是一级；多数票在五级。第 9 课 · 命令：“验证在第几级？” · 不是：多测几次
三个可写面数据、模型参数、Harness（提示、记忆、内置工具、Skill、MCP）；每次改动只写一个面，裁决在面外。只盯模型。能写数据和 Harness，写不了模型：订阅原生、不训模型。第 9 课 · 命令：“这次改的是哪个面？” · 不是：三个产品
二阶改进 meta-RSI改“怎么改”：调度者改组合，元层改调度规则；每层只写自己那一格，人可以占任何一格。方法固定，出大事才换。这门课有方法页；集团没有调度者对象。第 9 课 · 命令：“谁占调度者那格？” · 不是：再加一层审批

本课其余的词（权威边界、密封评测器、学习信号、五条允许边、减法调和）已进术语手册，不要求本课记住。

三问，先不看答案

Section titled “三问，先不看答案”
  1. 三个可写面里我们能写哪两个？第三个为什么写不了？
  2. 一个领域的验证在梯子第五级，能不能先开自改进、边跑边补？
  3. 这门课的“二阶改进”件是哪一页？集团里对应的角色叫什么、现在谁占着？
忍不住要看答案？下一课开头会揭，现在点开也行。

数据和 Harness；模型面要训练权重，我们订阅原生、不训模型。不能：没有密封评测器的环转得越快错得越快，先把验证降到三级以内再开。方法页“这门课怎么教”；集团里应是调度者，现在是你本人占着，没有契约和账本。

来源

Section titled “来源”

主材料：CosmosMind 技术报告《MetaRSI-v1》，arXiv 2609.06396，2026-09-06 提交、09-09 修订，第 2 到 18 页由 Ling 2026-09-12 拍照转来（视频稿来自小红书账号 2398071749，水印）。Grok 于 09-12 核到原文：视频稿的两组数字都在报告里，11.3 是六款前沿模型走 harness 路线在 Terminal-Bench 2.1 上三期累计的提升（不是单期平均），10.9 是 Qwen3.5-35B-A3B 在四个密封集上的平均自提升；第 6.7 节五条定律原文见补给页。开源组件由本席经 GitHub 与 Hugging Face API 核证：仓库 2026-09-03 建、09-09 最后推送、39 星、无许可证文件、rsih 0.1.0、依赖 pi-coding-agent 0.84.3（MIT）。作者机构未核。

  1. Tan、Sun 等，MetaRSI / RSI²: A Meta-Recursive Self-Improving System for Recursive Self-Improving Systems Themselves，arXiv 2609.06396，2026-09-09（v2）。arxiv.org · 图 2 总览、图 4 验证格式普查、图 5 五十五个闭环、图 7 循环内核、图 8 算子组合、表 1 动作面、第 4.5 节元层与人在环中、第 6.7 节五条定律。
  2. RSIH 开源组件。github.com · huggingface.co · 上游 Pi coding agent（MIT）。github.com
  3. 视频稿原文存集团记录 records/aios-course/intake-metarsi-video-transcript-20260912.md，不公开。
  4. 相关：Darwin Gödel Machine（Sakana AI，2025）、Self-Refine、STOP，报告第 2.2 节综述。