生数科技世界模型团队10月21日开启Motubrain 2.0具身模型训练全流程公开直播，为期半个月，展示预训练、后训练、Agent任务执行与递归自我改进四个环节，模型即将开源。
研究者提出 RealtimeBench 基准，含 180 个任务、六类游戏，在推理期间游戏持续运行，考察 LLM 智能体的实时性；并提出 TORSI 双时间尺度训练法，使慢速教师指导快速学生，将 Jev 平均分从 13.51 提升至 24.19。
研究用有界验证框架比较智能体AI的三种改进机制，证明独立多数放大可保持语言类不变，而随机磁带上的存在性接受可能引入错误输出，并将自我改进的声明与正确性、证据、验证资源和选择误差挂钩。
AI参与研发下一代AI，形成递归自我改进循环，成为科技巨头争夺的新方向。文章追问：加速是否等于进步，谁定义方向、谁守住安全边界。
智谱唐杰与GLM团队发文披露递归自我改进（RSI）最新进展，称GLM-5.3已摸到RSI门槛，模型正逐步具备自我迭代能力，引发业界对AI自主进化与安全边界的关注。
Anthropic披露Claude已承担其26%的AI研发工作，并有3万个Agent同时运行，显示AI开始参与“造AI”。这反映头部AI公司在递归自我改进（RSI）路线上出现分化，对关注大模型研发与AI自动化趋势的从业者有参考价值。
该论文提出广义智能体迭代（GAI）形式化框架，将迭代策略改进与递归自我改进（RSI）统一为同一学习范式的两种情形，通过两个关键维度区分GPI与RSI，并据此定位现有系统、分析RSI缺陷，为自主进化智能的研究与设计提供理论基础。
文章讨论AI开始造AI的递归自我改进（RSI）概念，分析其是否将引发智能爆炸，并探讨距离真正自主进化还有多远。对关注AI前沿趋势的读者有参考价值。