Anthropic内部RSI方法论首次公开：AI主导研发的边界与突破

当AI开始主导下一代AI的研发进程，这场递归自我改进的实验正在从理论走向工程现实。近日，Anthropic发布长文首次公开其内部RSI（Recursive Self-Improvement）的落地方法论，系统披露了衡量AI研发自动化的核心指标、3万个Agent的协同监控机制，以及在评估器设计上的深层思考。这份来自前沿实验室的第一手实践，不仅重新定义了人机协作的边界，更为企业构建自主演进型AI系统提供了可复用的工程范式。

研发自动化指数的六层量表

Anthropic构建了一套严谨的研发自动化指数体系，采用Epoch AI提出的六级自动化量表（AL）进行量化评估：从AL0至AL2的无AI辅助阶段，人类仍主导核心工作；AL3为AI协作模式，Agent在人类密切指导下完成大块任务并遇阻暂停；AL4则进入AI主导阶段，Agent可从高层提示出发端到端执行任务，人类仅做监督审查；AL5是完全自主阶段，AI自行监控、修复并部署，目前尚未达到。数据显示，截至2026年8月，Claude已主导26%的AI研发工作，达到AL4水平；AI协作及以上占比超过90%。更值得关注的是AL4的增速曲线：从2026年3月的1%起步，经历4月3%、5月12%、7月22%，最终飙升至8月的26%，半年内实现从零到四分之一的指数级跨越。

RSI领域的四大分类与技术版图

同期发布的一项重磅综述对2024至2026年间1250篇RSI相关论文进行了系统性测绘，将该领域划分为四个技术类别：部署时自我演化、训练时自我迭代、自我评估，以及自动研究。论文分布显示，部署时自我演化相关研究达393篇，训练时迭代占340篇，自我评估领域增长最为迅猛达318篇（2026年新增占比82%），自动研究则有139篇。这四类研究回答了一个核心问题：AI在哪些层面能够实现自我改进？综述由此划定了一条关键分界线——有界自我改进针对固定外部标准可收敛已是工业实践主流，而开放式递归自我改进连改进标准本身也被改写，目前仍在探索阶段。

双层监控体系：3万Agent与10亿次决策的管理实践

Anthropic员工正越来越多地依赖可长时间半自主工作且相互委派任务的Agent群体。其最常用内部平台上任意时刻约有3万个Agent在从事研发工作。为管控风险，Anthropic设计了双层监控体系：在线监控器实时检查并拦截危险动作，针对快速且不可逆的伤害，执行前100%行为经过审查（通常数秒内），被拦截行为一周内完成人工复核，8月逾10亿次决策中仅0.002%被拦截；离线监控器事后审查活动记录，针对缓慢可逆的风险如失准迹象，每周标记约10万份记录，经分类器初筛后约50条升级人工审查。这种覆盖率达到100%的双层防线设计，体现了在规模化部署Agent时对风险的审慎把控。

评估器是自我改进的天花板

RSI综述最深刻的洞察在于将评估器问题提升至核心位置：每一条自我改进环路本质上都是某个信号替代人类判断的声明，环路的天花板就是该替代品的质量。综述构建了一条验证层级金字塔，从底层的纯语言反馈到高层的可执行可检验程序FunSearch与AlphaEvolve的成功正是因为站在顶端；而第三层的LLM裁判在解决第四层研究品味问题时，产出往往流畅却难以审计。Anthropic让Claude裁判Claude的做法落在学习型裁判层级，面临自我确认循环的风险——生成器与评估器共享权重时高置信错误会被系统性过度奖励。对此Anthropic用模型与人类评级一致率59%（对比人类彼此35%）来校验，本质上是在向验证层级的上方攀爬。

Anthropic的RSI方法论揭示了一个关键事实：执行环节的高度自动化正在成为现实，Claude已撰写超过80%的合入代码，但真正的瓶颈卡在研究方向设定——选择什么问题值得做，这仍是人类品味的专属领域。RSI才刚刚开始，企业在落地自主AI系统时，既要拥抱执行层的效率提升，也要在研究方向与评估监督上保持人的主导权。