CosmosMind 联合多校发布 MetaRSI-v1，统一三类自我改进范式
MetaRSI-v1 把“自我改进”拆成可复用的闭环内核与三个算子，让 30 亿激活参数的小模型平均提升 10.9 分，也给 RSI 领域提供了一套统一架构语言。
现有 RSI（递归自我改进，指系统改进自身能力的过程）系统结构相似：固定改进程序反复作用于模型，且只从 Harness（模型外部脚手架与工具接口）、Data 或 Model 单一视角切入。CosmosMind 联合斯坦福、伯克利、MIT、清华、北大等十余家高校发布 MetaRSI-v1，声称是首个统一 Model-RSI、Data-RSI、Harness-RSI 的元递归架构，可以改进“自我改进的过程”本身。
正文摘录
但几乎所有 RSI 系统都是同一套结构：一个固定不变的改进程序，反复作用于模型。并往往只从 Harness、Data 或 Model RSI 的单一视角切入。 为了回应这一难题，CosmosMind 联合斯坦福、伯克利、MIT、清华、北大等十余家海内外高校发布 MetaRSI-v1。 这是 全球首个统一 Model-RSI、Data-RSI、Harness-RSI 的元递归架构，能够改进"自我改进的过程"。 在 没有任何外部教师模型参与下，MetaRSI-v1 使得一个仅 30 亿激活参数的小模型，在四项基准上平均自我提升 10.9 分；并且让 GPT-5.6、Claude Opus 5 等六款前沿旗舰模型，平均提升 7.3 分。 更重要的是数字背后，MetaRSI-v1 是一套试图 统一整个 RSI 领域的架构语言：包括一个内核、两条编排轴、三个算子、整个元 RSI 层，以及五大定律。 它第一次把"进步如何发生"抽象成一条与对象无关的闭环：消费反馈得到的学习信号，在 Data、Harness、Model 上提出改动，交由验证器裁决，并将结果回流为下一轮信号。 Data、Harness、Model 从此开始能够被统一成同一 Kernel 的不同实例化算子，可组合、可统一调度，自我改进由此第一次拥有了统一、可复用的底层骨架。 沿用同一个 Loop Kernel，自我改进在三个空间上展开，分别由 Data-RSI、Harness-RSI、Model-RSI 三个算子承担并协同完成。 整套架构由四个 Agent 协调运作，并且均能被人类专家局部替换形成 human-in-the-loop 系统。 四个 Agent 对应形成三个 RSI 优化 Level：算子改进目标系统，双轴编排改进算子用法，元层改进双轴编排策略本身。