有实测数据RSI 阶段 2论文可自查
达尔文-哥德尔机:智能体改写自己的代码智能体反复改写自己的脚手架代码并保留一个不断变大的变体档案库,SWE-bench 从 20% 升到 50%。
截至 2026 年 11 月 11 日 的回答是:进行中。改写脚手架有扎实的基准数字,但生产中是否常态化,外界看不到。置信度中,仍在观察。依据 3 条支持证据,1 条反方证据。
看完整论证 →智能体反复改写自己的脚手架代码并保留一个不断变大的变体档案库,SWE-bench 从 20% 升到 50%。
自动搜索出的脚手架在 TerminalBench-2 上超过最好的人工设计,而且能迁移到没见过的模型上。
一篇系统梳理:从提示词优化到「优化器代码自己演化」的五级阶梯,主张近期 RSI 主要经由 Harness 发生。
同一个模型、同一套题,换一层评测外壳分数从 62.7% 跳到 99.9%——世界模型的官方数字经不起同样这一问。
争议 · 有人认为 62.7% 才是模型的真实能力、99.9% 是注水;ARC Prize 自己不这么表述。争的是「要衡量的到底是模型,还是模型加上它的那层壳」,这个问题对世界模型同样没有答案。
链接长期有效;结论会随月度复核变化,引用时请注明复核月份。全部判断可下载 CSV 或 JSON。