OpenAI与Anthropic竞逐AI自我进化，RSI成核心议程

近期，全球顶尖 AI 实验室密集释放信号：AI 正从帮助人类完成任务，走向参与自身研发与改进。

9 月，OpenAI 宣布已实现“自动化 AI 研究实习生”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”。首席科学家 Jakub Pachocki 同期发表长文，讨论递归自我改进（RSI）前景。9 月 21 日，OpenAI 又将自动化 AI 研究员及持续改进 AI 研发能力列为下一阶段重要战略方向。Anthropic 也公布数据：截至今年 8 月，Claude 已在约 26% 的内部 AI 研发工作中承担主导角色，越来越多研发任务在人类监督下交由 AI 执行。

从 OpenAI 到 Anthropic，RSI 正从技术设想进入顶尖实验室核心议程。AI 不再只是解决外部问题的工具，也开始参与推动自身能力发展。其核心关键在于：AI 如何让过去的探索与试错成为下一次进步的基础，而非每次从头开始？

记忆是支撑 Agent 持续自我改进的关键基础。它让每次探索留下的不只是任务结果，还有可被后续任务继承和复用的经验，使能力提升跨越单次任务，在持续积累中进化。

要让 Agent 在持续执行中提升能力，关键是让经验跨越单次任务：从过去探索中沉淀有效方法，在新任务中准确调用，并根据结果修正优化。记忆写入与检索承担两个关键环节。写入需从复杂执行轨迹中识别有效方法、失败结论及适用条件；检索需根据新任务准确找到适用历史方法与关键证据，避免遗漏和错误迁移。任务反馈还能检验经验价值，通过持续更新记忆内容，并将有效反馈用于记忆基础模型训练，推动记忆能力提升，形成经验积累与 Agent 改进相互促进的过程。

围绕 Agent RSI 中经验积累、跨任务复用与持续改进需求，MemoraX 构建了以经验学习、经验迁移和反馈优化为核心的记忆能力体系，通过高质量记忆数据构造、动态记忆组织与基于真实任务反馈的优化，持续训练记忆基础模型，让 Agent 从历史经验中学习改进决策与执行。

从任务中学习：Agent 执行中结果验证与策略调整会不断产生新经验。成功决策提供可复用方法，验证过的失败结论帮助排除无效方案。但经验价值往往要在后续任务中体现，准确概括过去不等于有效支持未来。因此，记忆学习不仅要识别值得保留的经验，还要保存验证依据、环境约束与适用条件。MemoraX 将记忆写入建模为面向未来任务收益的可学习策略，建设覆盖环境构建、数据采集、样本构造与规模化 Agentic RL 训练的体系，在可交互、可验证任务环境中采集执行轨迹、记忆使用记录与验证反馈，构造关联写入决策及后续使用效果的训练样本，并结合后续任务完成质量、执行效率与重复试错情况设计奖励信号，优化记忆写入策略。

从经验中迁移：经验被保存不意味着能在新任务中发挥作用。面对不同目标、约束与阶段，Agent 需准确识别适用历史方法，避免无关干扰和错误迁移。MemoraX 将记忆内容与访问结构解耦，根据当前任务动态调整记忆访问入口和关联关系。检索层面，通过模型训练学习当前任务需求与历史关键证据的匹配关系，结合细粒度证据识别与相似记忆消歧，区分“主题相关”与“证据正确”。使用环节，结合当前任务状态与执行进展，将通用经验转化为具有明确目标、操作约束和验证标准的行动指导，并随任务阶段动态调整。

从反馈中进化：历史经验并非始终有效。新任务既可能验证已有方法，也可能暴露局限。核心挑战是 Memory Credit Assignment：长程任务可能调用多条历史经验，哪些真正影响决策，哪些只是被读取却未发挥作用？即使任务成功，如何判断不同记忆的实际贡献仍需解决。MemoraX 将记忆版本、实际使用记录与任务执行反馈建立关联，追踪历史经验是否真正参与行动及使用后的表现与验证结果，持续评估迭代已有记忆，让有效经验得到保留和强化，并及时修正不再适用的经验。这些反馈也为记忆基础模型持续训练提供数据基础和优化信号。

对于 Agent RSI，更值得关注的不只是某次任务结果，而是历史经验能否被不断积累、修正，并在后续任务中持续产生价值。在长程复杂 Coding、金融分析、复杂数学推理三类任务中，MemoraX 分别验证了经验持续迭代、跨任务迁移与反馈优化能力。

长程复杂 Coding 实验在通信、金融、物流等 5 大行业、13 项工业级系统开发任务中，累计进行 78 次开发运行，总开发时长超过 300 小时，单次最长超过 12 小时。最终，MemoraX 记忆增强方案通过率提升 20%+，主 Coding Agent 累计 Token 消耗合计减少 20%+。

针对传统静态记忆难以在任务执行中持续积累和优化经验的问题，MemoraX 团队提出 Memory Model–Driven RSI 方法：通过自研记忆模型与 Agent 系统协同，由专用记忆模型负责从执行轨迹与在线反馈中提炼、更新程序性记忆，由 Agent 系统将记忆应用于实际任务，形成经验提炼、任务应用、效果验证与记忆更新的闭环迭代机制。在长程 Coding 任务训练用例中，经过多轮记忆迭代优化，程序性记忆质量提升超过 10%。

将积累经验用于全新复杂工程开发任务。在 13 项复杂软件工程任务中，累计进行 78 次开发运行，总开发时长超过