摘要：RSI 五级框架论文厘清"真自我改进"与一次性的区别；Anthropic 内部曝 Model 2 已写大量代码。软件工程因验证信号近乎免费，被论文列为"快车道"。
"人类亲手打造的最后一个 AI"——这篇约 75 页的论文（arXiv 2609.11873）标题够狠，但真正有价值的是它给一个被滥用的词下了可验证的定义。论文提出一个以自主性为中心的 RSI（递归自我改进）五级框架：B0 基线（任务内 AI 改进，如 chatbot 按报错改代码，会话结束归零）；L1 执行人类定义的持久改进；L2 AI 自己决定改进策略；L3 AI 自主规划该学什么经验；L4 在真实部署中持续适应环境；L5 才是真正的"递归元改进"——AI 持续修改"负责未来改进的机制本身"。
真正的贡献在区分标准：一次性性能提升不算递归进化。要算"真 RSI"，得满足两条——新改进机制被保留进下一轮，并且在同等预算、独立评估下确实造出更强的后继者。论文还提了 Headroom-Closed Index（HCI），量化现有 LLM 离"自身可达上限"还差多少：研究生级科学已达 85.8，但软件工程只有 52.6，工具 Agent 仅 39.9。这个指数给"离自我改进还有多远"一个可测量的标尺，而不是凭感觉喊"奇点快到了"。
为什么今天必须读这篇？因为它恰好给 Amodei 的"减速"理由提供了可测量的标尺。论文的冷结论是：今天的 frontier 系统大多还在 B0 到 L1，离 L5 远着呢。但软件工程是"快车道"——验证信号几乎免费（编译、跑测试），所以最容易先撞上递归改进的边界。再叠加今天曝出的 Anthropic 用 Model 2 写代码、Opus 5.2 自动迭代，你会发现产业实践和论文框架正在互相印证：我们可能正处在 RSI 从 L0 往 L1 爬坡的临界点，离"模型自己改自己的改进机制"还远，但"模型自己写大部分代码"已经发生了。
对研究者来说，这篇论文最大的价值是方法论——把"自我改进"从口号变成可审计的实验设计。过去业内说"模型在自我进化"，往往只是一句营销话术；现在有了 B0–L5 和 HCI，就可以问出具体的问题：你现在的系统在第几级？你的 HCI 还有多少 headroom？你的"改进"有没有被独立评估确认造出了更强的后继者？这种可验证性，恰恰是监管者和投资者最需要的。顺着这个框架看，Anthropic 的"Model 2 写代码"顶多算 B0–L1 的自动化，离真正的递归元改进还差着两个大台阶，但恰恰因为软件工程验证便宜，这里会是最先出现"真 RSI"苗头的地方。
