智谱AI发布首个RSI递归自我改进成果，GLM模型开始帮助构建GLM

递归自我改进从论文走向生产线

9月18日，智谱AI CEO 唐杰在公开场合披露了公司在**递归自我改进（Recursive Self-Improvement, RSI）**方向的首个工程成果，这被业界视为大模型训练范式的一次重要转折。

什么是 RSI

传统大模型训练遵循「人类设计训练数据 → 人类写 loss → 模型在人类约束下优化」的线性流程。RSI 的核心思想是：让模型自身参与到改进下一个版本模型的过程中——模型可以筛选训练数据、生成新的测试用例、甚至提出新的训练目标。

智谱的具体做法

据量子位报道，智谱的 GLM 系列已经实现了两个关键突破：

1. 自我数据筛选：GLM-4 大模型被用来筛选下一代 GLM 的训练语料，自动识别并清洗低质量、有毒或冗余数据；
2. Flash 模型突破旗舰上限：智谱为 Flash 级（轻量级）模型配备了配套的 RSI 主模型，通过「主模型出方向、Flash 做快速迭代」的双层架构，让 Flash 模型在部分推理任务上达到了旗舰级模型的表现。

业界反应

RSI 正在成为新一代大模型厂商的「战略变量」。英伟达开源的 IMO 金牌代理配方也指向了同一方向——「模型改进模型」正在从论文摘要变成可以被工程化验证的技术路径。

竞争格局重塑

智谱不是唯一投入 RSI 的团队，但它是首个公布工程落地成果的中文大模型厂商。在 RSI 赛道上，国内外至少有 5 家头部厂商在并行攻关：

为什么 RSI 很重要

• 训练效率：如果模型能自动识别哪些数据有用、哪些没用，训练成本可以大幅降低；
• 能力突破：人类能标注的数据天花板有限，自我改进可能帮助模型突破人类知识边界；
• 竞争壁垒：率先实现高质量 RSI 的厂商，其模型迭代速度将远超依赖人类标注的对手。

不过 RSI 也带来新的安全隐患——如果模型在自我改进过程中产生未被人类察觉的能力或偏见，传统的人工对齐手段可能已经不够用了。AI 安全团队需要跟上这一波训练范式的变化。

来源参考：量子位、Aoyii AI Daily