### [RSI递归自我改进公司盘点：INT21、rekursiv.ai、Mirendil等7家AI实验室在做什么？](https://www.zuoshipin.com/article/24075)

**Published:** 2026-08-24T02:18:34

**Author:** 天才交易员

**Excerpt:** 盘点INT21、rekursiv.ai、Inherent、Core Automation、Mirendil、R…

**RSI不是一句“AI会自我升级”的口号。真正值得比较的是：谁提出改法、谁执行实验、谁验证结果，以及改进能否被下一轮继承。**

递归自我改进（Recursive Self-Improvement）正成为AI创业密集方向，但严格意义的RSI要求系统改进“制造下一代AI的方法”，并让下一代继承这种改进。目前公开项目更多处于自动调优、AI Scientist或自动化实验室阶段。本文按验证信号由硬到软，梳理七家公司。

## 一、先看懂RSI：四步闭环与三种验证强度

1.  提出改进假设；
2.  执行代码、训练或实验；
3.  用独立信号验证是否真的变好；
4.  把有效经验保留给下一轮。

硬件计时、可执行测试和隐藏Benchmark通常更硬；AI评审和内部叙述更软。系统越能高速实验，越要防止奖励作弊、公开测试集过拟合与自我打分。

## 二、INT21：硬件计时是最难“讨好”的评估器

![INT21 AI自我改进项目配图](https://admin.zuoshipin.com/wp-content/uploads/2026/08/534348ae-9f60-11f1-8e7f-fa163e47d677-1.webp)

INT21以真实GPU性能和正确性测试筛选候选实现

[INT21站内导航](https://www.zuoshipin.com/link/24068.html)。INT21用多Agent探索推理引擎与GPU Kernel，候选必须编译、通过正确性测试并在真实硬件测速。优势是目标明确、反馈可执行；限制是算子级优化不能直接等同整个模型加速，且目前更接近自动调优而非严格RSI。

## 三、rekursiv.ai：AI Scientist开始选择假设

![rekursiv.ai AI自我改进项目配图](https://admin.zuoshipin.com/wp-content/uploads/2026/08/53b05fa2-9f60-11f1-9537-fa163e47d677.webp)

rekursiv.ai并行提出假设、跑实验并维护证据链

[rekursiv.ai站内导航](https://www.zuoshipin.com/link/24069.html)。研究者给出问题，系统组织多个AI Scientist提出假设、写代码、跑实验和维护排行榜。价值在于失败方向如何被解释和止损；风险是公开Benchmark反复实验可能过拟合，迁移到陌生任务才是关键。

## 四、Inherent：改进对象从模型扩大到整间实验室

![Inherent AI自我改进项目配图](https://admin.zuoshipin.com/wp-content/uploads/2026/08/541cf356-9f60-11f1-9071-fa163e47d677.webp)

Inherent探索递归集体自我改进与AI原生科研组织

[Inherent站内导航](https://www.zuoshipin.com/link/24070.html)。Inherent把人员协作、算力分配、实验流程和AI Scientist共同视为可改进系统。它强调人机集体智能，但AI评AI仍需更多独立审计、专家校准和跨领域复现。

## 五、Core Automation：先自动化自己的AI实验室

![Core Automation AI自我改进项目配图](https://admin.zuoshipin.com/wp-content/uploads/2026/08/54a4425d-9f60-11f1-ab2c-fa163e47d677.webp)

Core Automation希望用AI代理自动化研究流程

[Core Automation站内导航](https://www.zuoshipin.com/link/24071.html)。Core聚焦新学习算法和超越现有Transformer配方的架构，并把自动化自身研究作为起点。团队背景强，但公开产品、Benchmark和可复现证据仍有限，应把路线图与已验证成果分开。

## 六、Mirendil：专用研究模型与实验数据飞轮

![Mirendil AI自我改进项目配图](https://admin.zuoshipin.com/wp-content/uploads/2026/08/550dfef7-9f60-11f1-9c49-fa163e47d677.webp)

Mirendil押注专门面向AI研发的模型和实验平台

[Mirendil站内导航](https://www.zuoshipin.com/link/24072.html)。其设想是让专用模型持续参与代码、训练、评估、调试、Kernel和算力管理，积累通用模型缺少的完整研究轨迹。当前数据飞轮仍需要公开模型、独立Benchmark和客户复现来证明。

## 七、Recursive：目标最激进，也开始公开闭环数据

![Recursive AI自我改进项目配图](https://admin.zuoshipin.com/wp-content/uploads/2026/08/55827bcf-9f60-11f1-bc38-fa163e47d677.webp)

Recursive尝试让系统提方案、实验、验证并保留改进

[Recursive站内导航](https://www.zuoshipin.com/link/24073.html)。它强调多条长期研究分支、合并路线和奖励作弊检查。公开实验说明闭环可以跑通，但更重要的问题是：经验能否跨任务继承、多轮后能否用更少实验找到更好方案、外部团队能否复现。

## 八、Discovery Loop：把实验吞吐量做成系统工程

![Discovery Loop AI自我改进项目配图](https://admin.zuoshipin.com/wp-content/uploads/2026/08/55eb66a2-9f60-11f1-9bac-fa163e47d677.webp)

Discovery Loop从ML研究延伸到芯片、药物、材料与能源

[Discovery Loop站内导航](https://www.zuoshipin.com/link/24074.html)。团队强调大规模并行实验与基础设施，先服务自身研究，再扩展到结果可测量的科学领域。挑战在于物理实验周期、安全约束和目标价值判断，不能简单复制ML中几小时返回Loss的节奏。

## 九、七家公司怎么比较？

| 项目  | 改进对象 | 主要验证信号 |
| --- | --- | --- |
| INT21 | Kernel/推理引擎 | 硬件计时+正确性 |
| rekursiv.ai | ML算法 | Benchmark+实验记录 |
| Inherent | AI Scientist与实验室 | AI评审+专家校准 |
| Core Automation | 学习算法与实验室 | 内部研究证据 |
| Mirendil | 研究模型与平台 | 尚待公开验证 |
| Recursive | 研究代码与流程 | 可执行实验+指标 |
| Discovery Loop | 跨领域实验系统 | 实验结果与领域指标 |

## 十、FAQ

### RSI已经实现了吗？

严格意义上尚无公开证据证明系统能持续改进制造下一代AI的方法并稳定继承。

### AI Scientist和RSI一样吗？

不一样。AI Scientist自动做实验，但只有改进研究方法并可继承时才更接近RSI。

### 为什么验证信号最重要？

因为系统可能奖励作弊、过拟合或自我打高分；硬件计时和独立测试更难被操纵。

### 融资和团队背景能证明技术吗？

不能。它们说明资源与潜力，产品能力仍需公开实验和独立复现。

### 接下来观察什么？

关注跨任务迁移、失败披露、独立复现、长期继承和单位实验成本。

**Categories:** AI资讯

---