人类构建的最后一个 AI：通向真正的递归式自我提升

递归自我提升（RSI）使人工智能系统能够将经验与反馈转化为持久性的改变，不仅增强自身能力，还持续优化未来的自我改进过程。我们首先利用上限闭合指数（Headroom-Closed Index, HCI）揭示现有大语言模型存在的问题，随后阐释 RSI 的概念及其发展路线图：从提升执行自主性、提升策略自主性、经验获取自主性、环境适应自主性，逐步迈向递归元提升。接着，我们探讨了 RSI 在不同场景（如科学发现、具身智能、软件工程）中的应用，重点突出了各场景的差异化需求与发展速度。结合多样的行业实践与初步的实证证据，我们将 RSI 研究与实际系统紧密结合，并指出了实现真正 RSI 所面临的关键挑战。