MemoraX 提出记忆模型驱动的 Agent 递归自我改进方法
头部实验室开始让 AI 参与自身研发，而能否把每次任务的试错沉淀为可复用记忆，是 Agent 持续自我改进的前提。
OpenAI 与 Anthropic 近期先后把递归自我改进（RSI，即让 AI 参与改进自身研发能力）列入核心议程：OpenAI 计划在 2028 年前做出自动化 AI 研究员，Anthropic 则称 Claude 已主导约 26% 的内部 AI 研发工作。文章讨论支撑这条路径的关键基础——Agent 的记忆机制如何让经验跨任务积累。
正文摘录
.jpg) 近期，全球顶尖 AI 实验室正在密集释放一个信号： AI 正在从帮助人类完成任务，走向参与自身的研发与改进。 9 月，OpenAI 宣布已经实现「自动化 AI 研究实习生」的阶段性目标，并计划在 2028 年 3 月前打造真正的「自动化 AI 研究员」。OpenAI 首席科学家 Jakub Pachocki 同期发表长文，讨论了递归自我改进（Recursive Self-Improvement，RSI）的发展前景。9 月 21 日，OpenAI 又进一步将自动化 AI 研究员以及持续改进 AI 研发能力，列为下一阶段的重要战略方向。  OpenAI 于 2026 年 9 月 21 日发布官方战略声明，将自动化 AI 研究员和递归自我改进列为下一阶段的重要目标 另一边，Anthropic 也公布了一组引人关注的数据：截至今年 8 月，Claude 已经在约 26% 的内部 AI 研发工作中承担主导角色 ，越来越多原本由研究人员完成的研发任务，开始交由 AI 在人类监督下执行。 从 OpenAI 到 Anthropic，RSI 正从遥远的技术设想，进入全球顶尖实验室的核心研发议程 。