OpenAI刚公开722篇AI论文，这支华人团队已跑通RSI规模化闭环

10 月 6 日，OpenAI 公开了 AI 产出的 722 篇数学论文，包括准黎曼猜想的相关证明。前 Google 科学家、xAI 联合创始人 Christian Szegedy 表示，数学家穷尽一生攀登的险峰，机器可乘飞机直接抵达。但他认为，数学不是走向终结，而是探索方式的改变。

全球 AI 实验室正将目光投向 RSI（递归自我改进）：让 AI 不只完成任务，还能参与下一代 AI 的设计、训练与改进。而一支华人团队已将 RSI 带入规模化运行。它打造的 Novix，将自我改进机制嵌入真实的前沿算法与工程任务，让 AI 在解决问题过程中持续吸收顶尖专家的判断与反馈，并用于自身下一轮改进。

成立仅半年，Novix 通过口碑传播，已服务 20 万名专家，覆盖 40 多个国家和地区、500 多所高校及科研机构。用户中包括来自清华大学、北京大学、苏黎世联邦理工学院、剑桥大学、卡内基梅隆大学、南洋理工大学、新加坡国立大学和东京大学等机构的研究者。不同学科的实际研究已在平台上展开：水坝群生态泄洪调度、钢材在地震加载下的循环响应、低成本空气质量监测网络跨站点校准、城市干道协同控制、金融市场高频流动性建模，以及 AI 模型后训练。

Novix 由石宇、汤嘉斌等人创立，核心成员来自 Google、微软、Meta、智谱和 Kimi，曾主导或参与 Microsoft Copilot、Kimi K2、AgentOS 和 AutoAgent 等项目。

Novix 将自身机制称为 Co-Evolutionary RSI——协同进化式 RSI。石宇说：“机器负责加速边界的探索，人类把价值、审美和选择持续写进系统。”在这个回路里，AI 主动提出方向、展开解空间、执行任务并验证结果；专家持续反馈什么是重要的问题、什么证据足以成立、采用怎样的评价标准，以及哪些方向符合自己的审美与长期判断。每一次采用、否决、纠偏和反馈，都会成为下一轮探索的新目标与新标准，并进一步改进系统的任务分解、工具使用、harness 与模型能力。真实高难任务持续暴露系统能力边界，专家反馈不断推动系统进化，进化后的 AI 再去解决更难的问题。

汤嘉斌表示：“通用模型倾向于提出近似相同的问题分布，而人类专家的反馈才是决定 RSI 系统在探索人类未知时的种子变量。”协作越久，任务分布、判断标准、失败记录和探索脉络越完整，最终沉淀为属于个人或实验室难以复制的研究资产和数据壁垒。

Novix 会组织多个 Agent 调度算力、处理数据、设计方法、搭建环境并运行训练或仿真。科学家不必介入每次工具调用，只在证据、标准或方向需要变化时介入。石宇把科学家一次判断所能支撑的探索方向的优化，称为“人类审美的杠杆”。Novix 把材料、目标、评价标准、工具调用、中间产物和失败记录保留在同一工作空间。失败不是被清理的噪声，而是系统资产。

三个公开任务提供了观察窗口。在模型后训练任务中，Novix 自主完成数据构造、训练代码、SFT、GRPO 或 RFT、检查点比较与最终交付。在 SynLogic 的 135 道固定评测题上，Qwen2.5-7B 准确率从 8.89% 提升至 37.78%；在 ScienceWorld 的 30 项代表任务中，Qwen2.5-7B-Instruct 平均得分从 11.2667 提升至 35.6333。过程中，后续强化学习训练 loss 仍在下降，但 Novix 发现模型在真实任务探针中得分从 38.7 跌至 21.1，于是主动否决更新，恢复并交付表现更好的模型。

在联邦水坝耦合控制任务中，Novix 需为哥伦比亚河与斯内克河上的八座水坝逐小时分配泄洪量。在约 3.57 小时有效用时内，它完成 578 次工具调用，发现一处气体传播时距被错误设为 44 小时，重新推导后修正为 16 小时。最终在研究期间不可见的 16 个独立测试周中取得 0.719264 的得分，较题方专家参考方案高出 6.50%，所有控制指令均通过执行约束检查。

在钢材地震循环响应预测任务中，Novix 从已有拉伸和循环试验出发，自主提出本构假设、修改数值实现并反复验证。在 60 个研究期间不可见的加载历程上，它取得 0.620034 的题方保留测试得分。