StartLux 谈本地 RSI 路径：27B 模型靠后训练重塑能力分布
StartLux 把递归自我改进搬到本地 27B 模型：能力提升全部来自后训练，而非更大参数量。
25 位菲尔兹奖得主警告 AI 公司把攻克数学难题当作刷榜目标，而 StartLux 想把 RSI（递归自我改进，即让 AI 自己改进自己）搬进个人电脑。其 27B 本地模型在信通院 MCP 测试中排名第二，性能增量全部来自后训练环节。
正文摘录
.jpg) 编辑｜Panda 上周六，陶哲轩、邓煜、彼得·舒尔茨等 25 位菲尔兹奖得主[联合发表了一份声明](https://mp.weixin.qq.com/s?biz=MzA3MzI4MjgzMw==&mid=2651056767&idx=1&sn=9d3e1909d987d69af186d0f1ca3846f3&scene=21wechatredirect)《人工智能在数学中的严重错位》，引发广泛讨论。陶哲轩还表示「事态紧迫」，他们根本没有时间等待更广泛的协商就决定先行发布。 这封信并不反对 AI 进入数学，而反对的是 AI 公司把「攻克著名难题」当基准来刷。这样一来，数学共同体真正在意的理解、概念和可被后人复用的思路，正在被一个更容易量化的目标挤掉。 而就在此三天前，OpenAI 刚刚宣布一个尚未发布的内部模型用约一万个智能体协同工作、耗时 88 小时，完成了纳维-斯托克斯存在性与光滑性问题中部分陈述的证明，并表示不申领克雷研究所的奖金。 社区讨论中，一大核心论点是 OpenAI 的模型到底有没有「盗窃」数学家的思路，然后依托强大算力抢先证明。也因此， 前沿数学研究可能会开始防备云端 AI 提供商 。 但要真正做到，却又很难，毕竟本地 AI 能力不够强。你可以把未发表的推导锁在自己的硬盘里，但那意味着你也放弃了那个真正能帮上忙的强大云端模型。所以过去几年，绝大多数人还是把稿子交给了云端。 而这个前提，正在出现松动的迹象。时间往前拨半个月。