
深度|RSI的下一场万亿机会,藏在AI还做不好的生意里(在新窗口打开)
RSI正在从长期的理论命题,逐步走向可验证的技术实践,硅谷新共识已经形成。以Anthropic和OpenAI为代表的全球头部模型公司,2026年9月,Anthropic披露,Claude已参与其超过80%的代码合并工作,OpenAI也明确将目标锚定为2028年3月前实现自动化AI研究员。
共 881 篇

RSI正在从长期的理论命题,逐步走向可验证的技术实践,硅谷新共识已经形成。以Anthropic和OpenAI为代表的全球头部模型公司,2026年9月,Anthropic披露,Claude已参与其超过80%的代码合并工作,OpenAI也明确将目标锚定为2028年3月前实现自动化AI研究员。

九位同志,去俄斯特拉发,待上一年。 而且,这批人还需要有政治工作经验。 这些具体得近乎日常的细节,藏在一页约1952年的捷克斯洛伐克密码课程材料里。横线、点号、数字和奇怪的符号,把一段普通文字变成了难以直接读懂的密文。 现在,这段话被读出来了。 UCSI University研究者Zijian Zeng运用AI辅助研究流程,完成了HC Portal第615号密码的读解。 该平台的项目协调人、斯洛伐克理工大学副教授Eugen Antal已确认读解正确;官方目录把条目标记为Solved,并署名Zijian Zeng。[1][2]该研究就在Zijian Zeng发布453篇手稿后不到10天,这比Op

修 Bug、操作计算机、规划实验室操作、优化化学反应,甚至研究复杂的免疫系统。

未来数字世界会是什么样? 在全球计算机图形学学术界 TOP1 顶会——SIGGRAPH,已经透露了信号。 在前沿论文中,有极大比例,都在死磕同一个主题——「人」。从身体关节的精确驱动、面部表情的微妙肌肉牵扯,到角色的骨骼建模与动画控制,甚至精细到头发的物理模拟。 为什么?因为图形学最大的落地场景是游戏和影视,其中,「人」永远是最核心的元素,是受众产生情感连接的锚点,也是承载商业价值的载体。 最近两年,极具行业分量的 ACM SIGGRAPH 「时间检验奖」,都重磅颁发给了动画方向研究。 这无疑释放了一个强烈的风向标:无论渲染技术多么花哨,环境多么逼真,让角色「动」得像个真正的人,依然是下一代体

vLLM Semantic Router推出并开源Decision 3.0系列多模态决策模型,覆盖0.6B至27B六款模型,其中d3在Jev Decision Index 0.3.1文本榜和视觉榜均排名第一。

研究团队提出7B审计员AgentForesight,可在多智能体任务运行中在线识别并归因关键错误,其AFTraj-2K Exact-F1达66.44,成功轨迹误报率仅2.37%。

据外媒报道,谷歌已在内部编码平台Jetsky测试Gemini 4下一代检查点Carbon,多名员工称其编程表现逼近Opus 5.5,递归自我提升(RSI)是取得这一进展的关键。

StartLux发布完全开源的StartLux-Decision,其27B版本在Decision Index 0.2.1的38项基准中有31项超过Jev 1.13,并以63.88分升至公开榜首。

Hinton等22位作者在首篇RSI论文中指出,AI全面参与下一代AI研发可能形成递归自我改进并引发智能爆炸,但现阶段证据不足以证明智能爆炸已经发生。

谷歌正式发布前沿AI模型Gemini 4 Argon,其在Text Arena排名第一、Vals RSI指数超越GPT-6 Astra达30%,单任务成本仅1.99美元,单次输出上限升至100万Token,并在谷歌内部以Rust安全语言重写了80万行系统内核代码。