Nathan Lambert：为什么我仍对真正的递归自我改进（RSI）持怀疑态度

AI 领域研究员 Nathan Lambert 于 2026 年 9 月 19 日发文，阐述其对前沿实验室实现“递归自我改进（RSI）”及短期超级智能假说的怀疑立场与分析框架。

• Lambert 指出，当前前沿实验室内部规模化并发运行智能体以处理工程任务，容易在行业内部放大对技术迭代速度的焦虑并拔高风险预期。
• 他提出“有损自我改进（Lossy Self-Improvement）”观点，认为可自动化的科研任务范畴相对狭窄，面对缩放定律带来的指数级资源消耗，难以实现研发速度的净跃升。
• 模型后训练微调、数据对齐标准以及物理计算资源制约等关键环节高度依赖人类审视与现实条件，无法仅凭代码生成智能体予以替代。
• 影响/看点：这表明智能体的规模化应用可能主要体现在提升模型推理效率与常规软件工程产出，但短期内难以仅凭自循环机制触发不受控的智能自举。
• 资料依据：
• Interconnects (Nathan Lambert)（2026-09-19）：https://www.interconnects.ai/p/where-i-stand-on-rsi

本内容由 AI 生成，仅供参考，请注意甄别