近期 AI 社区流传一个重磅但未经证实的说法：谷歌 DeepMind 可能已取得递归自我改进（RSI，Recursive Self-Improvement）的进展。RSI 指的是 AI 系统能自主设计、训练出更强的下一代模型，能力增长因此可能脱离人类设定的节奏。
传闻从哪来
几条线索被拼在一起：有人在 Google 的生成式语言 API 中发现一个名为 rsi-model-liverl-le 的神秘模型，显示名写作"RSI Model LiveRL LE"；相关帖子用"huge congRatulationS Indeed"里三个异常大写字母恰好凑出 RSI；再叠加 Sergey Brin 关于"递归自我改进"的内部传言，以及 Gemini 3.8 Flash 介绍中已明确写到的"由长时间运行的 AI 代理循环进行递归评估与精炼"。这些叠加起来，引发了地震级猜测。
但别急着当定论
客观说，目前公开信息只能证明谷歌在研究与 RSI 相关的递归评估与改进机制，尚不足以证明它已经实现"AI 自主设计、训练下一代模型"的完整闭环。多位研究者也提示，这类传闻需要等待官方声明或可验证的技术证据，才谈得上确认。
真 RSI 该长什么样
传闻之所以难判，是因为"递归自我改进"这个词经常被混用。要判断是不是真 RSI，大致可以看三条可验证的标准。
一是改进的闭环是否闭合。人类工程师用 AI 辅助改代码、调参数、找 bug，这叫"AI 加速研发"；只有当 AI 自己提出方案、自己实现、自己评测，并把改进成果直接用于下一代训练，闭环才算闭。中间任何一环由人拍板，就还是加速而非递归。
二是改进速度有没有脱离人类节奏。如果每代模型的提升幅度仍然跟人类团队的设计投入成正比，那还是常规研发。真 RSI 的特征是：能力提升所需的人力投入持续下降，而提升幅度不降。
三是能否被外部审计。这是最关键的一条，也是最难满足的一条。改进过程如果全在实验室内部完成，外界只能看到"变强了"，无法确认"是不是它自己改的"。所以真正严肃的公布，通常会伴随评估方法、沙箱边界和失败案例的披露——只报结果不报过程的说法，无法当作证据。
把这三条拿去对照，就能明白为什么研究者对这次传闻保持谨慎：目前公开的线索都指向"递归评估与精炼"，也就是同一模型内部反复自查、反复优化输出，这更接近推理时的自我修正，而不是训练下一代模型。
为什么这件事分量重
RSI 是当下 AI 安全讨论的核心议题之一。就在几天前，Anthropic CEO Amodei 的长文专门警告：随着 RSI 加速，未来 6–12 个月可能出现大规模风险。如果模型真能自我改进，能力的爬升曲线就不再由人类训练计划决定，对齐与监控的难度会成倍上升。所以无论这次传闻最终是否被证实，它都说明"模型能否自己变得更强"已经从一个理论问题，变成了行业实时盯防的现实议题。