本周AI项目推荐｜Mirendil、INT21、rekursiv.ai ……最热门RSI 公司都在“自我改进”什么

作者｜樊雅婷
微信 ｜FFF111f__

RSI（Recursive Self-Improvement，递归自我改进）是今年 AI 创业里最密集的一个方向。

3 月，参与过 o1、o3 和 GPT-4 的 Jerry Tworek 创立 Core Automation；5 月，Richard Socher、Jeff Clune 等八位研究者组建 Recursive；随后 Mirendil、INT21、rekursiv.ai、Inherent 相继公开；8 月，Jeff Dean、Sanjay Ghemawat、Oriol Vinyals 和 Quoc Le 成立 Discovery Loop。半年之内，这些公司融资合计超过 10 亿美元，其中仅Recursive 一家的估值就有46.5 亿美元。

它们用的词不一样：self-improving AI、self-accelerating AI R&D、continual learning、AI Scientist。描述的是同一个愿景：让 AI 参与改进 AI。

如果说RSI 最严格的定义，只有一句话：AI 改进“制造下一代 AI”的方法，下一代继承了这个改进，于是能做出更好的下下代。

关键不在某一次实验跑得多好，而在改进能不能传下去。所以，按这个标准，目前没有一家公司做到。宽泛的用法把模型自我纠错、持续后训练、自动跑实验、优化 Agent 的外围工具链（Harness，模型之外负责调度、记忆、工具调用的那层软件）都叫 RSI。但按这个标准的话，那么所有做 Agent 的公司都在做 RSI。

两个标准都不好用。我们换了一种方法：不管叫什么，AI 改进 AI 都可以拆成四步，提出一个改法、执行、验证是不是真的变好了、把变好的部分保留到下一轮。七家公司的差别，是三个问题的不同答案：AI 接管了哪几步；验证信号从哪里来、有多硬；保留的改进是只在这一轮有效，还是能被下一代继承。

第二个问题最关键。能自己跑实验的系统，最大风险是给自己打高分。验证信号不够硬，系统跑得越快，积累的错误越多。

本期项目推荐就按验证信号从最硬到最软来进行梳理。

1

一、反馈来自硬件计时：INT21

1. INT21：https://int21.ai

创始人 Bing Xu 是 GAN 原始论文共同作者，此前创办的 GPU 推理公司 HippoML 被 NVIDIA 收购，在 NVIDIA 做过一段 Distinguished Engineer，2026 年 4 月创业。

INT21 让 AI 写运行 AI 的底层代码。大模型在 GPU 上的每一个数学操作（矩阵乘法、归一化、注意力）都要翻译成 GPU 直接执行的一小段程序，这就是 Kernel。同一个操作，Kernel 写得好坏能差几倍速度，而会写 Kernel 的人极少。

产品 PTX Kernel Factory 的流程：用户定义操作、正确性要求、目标硬件和性能指标，系统调度多个 Agent 生成候选实现，编译、测试、测速，淘汰错的、保留快的，把成功和失败的记录带入下一轮。每一环都能在真实 GPU 上测出来。

公司开源了四个 Kernel（KDA 和 RMSNorm 各在 B200、H100 上一版），附测试方法和环境。公布结果里，Kimi Delta Attention 在 GH200 上达到专家手写版本的 1.24 至 1.59 倍，B200 上 1.42 至 1.52 倍；RMSNorm 在 GH200 的 11 个前向测试中几何平均快 8.17%，B200 的 126 个可比案例全部领先。INT21 同时公开了两个轻微回退案例，并说明这些数字只对应单个算子，不能换算成整个模型的加速。

INT21 的优势全部来自评估器。思路接近芯片设计里的 EDA：把工程目标写成机器能检查的约束，让软件搜索人类穷举不了的空间。硬件计时是一把不会被说服的尺子，近期一项 RSI 综述也发现，已展示的自我改进强度和验证信号强度直接相关，可执行测试是最可靠的一类。

INT21 目前更像一套出色的自动调优系统，还没表现出能改“怎么搜索”本身。

接下来值得关注的是：四个 Kernel 能否变成稳定管线；一次任务的经验能否让系统更快解决新算子、新硬件；算子级加速进入完整模型后还剩多少。

1

二、反馈来自 Benchmark，AI 开始选假设：rekursiv.ai 与 Inherent

这一层的产品都叫 AI Scientist：像研究员一样读论文、提假设、写代码、跑实验、看结果、决定下一步。和 INT21 的区别是，目标函数仍是人给的，但“验证哪个假设”开始交给 AI。

2. rekursiv.ai：https://rekursiv.ai/

创始人 Joshua V. Dillon 和 Dan Kondratyuk 都来自 Google／DeepMind 和 Luma AI。Dillon 是 TensorFlow Probability 主要创建者之一，参与过 Gemini、VideoPoet 和 Veo 早期工作；Kondratyuk 是 VideoPoet 第一作者。公司入选 YC S26，团队不大。

产品被称为“自动研究的驾驶舱”：研究者给出问题，系统调度多名 AI Scientist 并行建立假设、写代码、跑实验、维护排行榜，每条结论都能追溯到原始实验记录。

2026 年 7 月的 ARC-AGI 项目是它最具体的案例。ARC-AGI 是目前最难的推理测试之一，题目是人类容易看出、模型很难掌握的抽象图形变换规律。系统在几天内跑了 235 次完整实验、15 条主要方向，7 条带来可保留的提升。单模型 ARC-AGI-1 从 44.9% 提高到 71.4%，五模型集成 75.5%；迁移到 ARC-AGI-2 得到 17.5%。公司也公开了一次失败：一个训练出来的 Verifier（判断答案对错的模型）在训练集上大幅改善，换到评估集反而下降 2 个百分点。

最终分数并不是这个案例最有价值的部分。8 个没带来改善的方向，系统怎么处理，才反映它有没有参与研究判断：能否解释失败、及时止损、据此调整下一轮。

这套能力目前被关在 ARC 的边界内。任务是人定的，指标是现成的，系统也还没在半私有测试集上提交过成绩。在公开测试集上跑 235 次实验，过拟合风险很实在。真正的科研很少有随时可查的排行榜，当指标本身需要重新设计时，才是 rekursiv.ai 的考验。

3. Inherent：https://inherentlabs.ai

创始人 Tantum Collins、Edward Hughes、Louis Kirsch、Kaloyan Aleksiev，经历覆盖 AI Scientist、AlphaProof、Genie 和自动化 AI 研究。总部伦敦，Public Benefit Corporation，2026 年公布 5000 万美元种子轮，Index Ventures 和 Radical Ventures 领投。

Inherent 把概念叫 Recursive Collective Self-Improvement：改进对象是整间实验室，开会方式、算力分配、人何时介入、组织怎么从每次实验里学习。

最具体的成果是 Faraday，一个 27B 参数的 AI Scientist，本身不大，但能调用更大的 Coding Agent 作为工具，完成机器学习和 AI for Science 的论文复现。训练环境 Replica 从 100 篇论文生成 310 个“复现这张图表”的任务，242 个训练、68 个测试，每项限时 60 分钟、只给 H200 的一小块算力。Faraday 在 73% 的同分布任务和 60% 的 AI for Science 留出任务上优于对照 Agent，平均分比 Claude Opus 4.8 和 GPT-5.5 分别高 6% 和 8%。

“优于”的判定方式挺有趣，先用 Claude Opus 4.7 生成评分标准，再用 Codex GPT-5.5 打分，另外收集 20 名专家的 117 组排序，检查 AI 评分和人类判断的一致程度。AI 给 AI 打分、少量人类校准，是这一层公司的典型做法，也是共同软肋。Inherent 做得相对认真，但距离“独立、可审计”还有距离。

Inherent 的思路有一个历史参照。工厂刚接入电力时只是把蒸汽机换成电动机，生产率没变；飞跃要等到厂房布局和管理方式都围绕电力重新设计之后。Inherent 盯的是后面这一步。接下来看有没有原创发现、能否跨领域迁移，以及 PBC 治理怎么约束一间逐渐自动化的实验室。

1

三、反馈来自自己实验室的运转：Core Automation 与 Mirendil

前两层改进的对象是明确的：一个 Kernel，一个分数。这一层改进的对象是实验室本身：先用 AI 自动化自己的研究，省下的研究能力再去发现下一批可自动化的环节。公司自己是第一个客户。这也意味着它们公开的东西最少。

4. Core Automation：https://www.coreauto.com

创始人 Jerry Tworek 在 OpenAI 近七年，长期参与强化学习、推理模型和 Agent 研究；Rohan Anil 来自 Google Brain／DeepMind 与 Anthropic。公开团队还有 Julia Villagra、Joanne Jang、Mark Saroufim 等，横跨前沿模型、模型行为和 PyTorch 系统。

Core 要建一间高度自动化的 AI Lab，用它寻找超越大规模预训练和现有 RL 的学习算法，以及比 Transformer 更能扩展的架构。目前没有模型、产品或 Benchmark，公开内容接近路线图。

唯一落到具体问题上的是 Mark Saroufim 的博客。他回顾参与 KernelBot 时，Agent 生成 Kernel 会出现 Reward Hacking：找到让分数变高但没解决问题的捷径，比如绕过测试、只优化测试覆盖到的情况。团队把人工审计积累成数据，构建了 KernelGuard 检查规则。

Core 的优势是研究和系统能力在同一个团队。很多自动研究 Demo 在小代码库里表现好，进入前沿训练就会卡在集群调度、Kernel、数据管线和失败恢复上。让架构和基础设施一起演进，比单个 AI Scientist 更接近自动化实验室。但它也是七家里“资本先于证据”最明显的一家。

后续值得关注的发展在于，第一个公开成果是不是 Agent 主导；自动化省了多少研究员时间；新算法能否脱离 Transformer 配方。

5. Mirendil：https://mirendil.com

创始人 Behnam Neyshabur 曾在 Google 和 Anthropic 做 AI for Science 与 AI R&D；Harsh Mehta 曾在 Anthropic 独立搭建早期 AutoResearch 平台；Shayan Salehian 是 xAI 早期 ML 工程成员；Tara Rezaei 毕业于 MIT。首发团队约 20 人，来自 Anthropic、xAI、DeepMind 和 OpenAI。2 亿美元种子轮，a16z 和 Kleiner Perkins 领投，NVIDIA 参与。

和 Core 的差别在于路径。Core 强调找新算法，Mirendil 强调先训练一个专门擅长 AI 研究的前沿模型，再围绕它重建实验平台：代码、训练、评估、调试、Kernel、Checkpoint 比较、算力管理。8 月和 Google Cloud 签了多年合作，同时用 TPU 和 NVIDIA，跑预训练到大规模 RL 和并行研究循环的全部负载。

Mirendil 押的是数据飞轮。通用模型的训练数据里缺少完整的 AI 研究轨迹，从提出想法到调试失败到比较结果。一个专用模型每天在自己平台里做这些事，就可能积累外部复制不了的数据。

到这个飞轮目前还在设想阶段：没有模型、演示、Benchmark。2 亿美元说明它付得起实验账单，不说明它的模型比通用编码 Agent 更会做研究。

后续可以观察的方向是，它独立完成了多少可复现研究；改进发生在权重、Harness 还是人工流程里；客户能否在不复制一整间实验室的前提下用上它。

1

四、反馈来自整个发现过程：Recursive 与 Discovery Loop

最后两家不只要改进模型，还要改进研究过程本身，并最终走出机器学习。

6. Recursive Superintelligence ：https://www.recursive.com

八位创始人 Richard Socher、田渊栋、Tim Rocktäschel、Alexey Dosovitskiy、Josh Tobin、熊蔡明、Tim Shi、Jeff Clune，覆盖 Salesforce AI、Meta FAIR、DeepMind、OpenAI、Uber AI。6.5 亿美元融资，投后估值 46.5 亿美元，GV 和 Greycroft 领投，NVIDIA、AMD Ventures 参与。

系统做的事和 rekursiv.ai 类似，多出的部分是同时维护多条长期研究分支，合并有希望的路线，并在接受结果前检查是不是 Reward Hack、是不是随机波动。

6 月公布了三项结果：NanoChat 的 Validation BPB（每字节比特数，越低越好）从 0.9372 降到 0.9109，换算成达到同等 Loss 的训练速度提高 1.3 倍；NanoGPT 达到指定 Loss 的时间从 79.7 秒降到 77.5 秒；SOL-ExecBench 的 235 个 Kernel 平均分从 0.699 升到 0.754，到理想值 1.0 的差距缩小 18%。

NanoGPT 缩短 2.2 秒，数字本身不值一提。值得一提的是它跑通了提方案、做实验、验证、保留改进的完整闭环，并公开了方法、部分 Artifact 和不确定性。七家里，Recursive 是目标写得最激进（系统未来要改进自己的代码库、Benchmark 和研究过程）、同时又拿出了可检查数据的一家。Jeff Clune 和 Tim Rocktäschel 在开放式算法（让系统自己不断生成新问题和新解法，而不收敛到固定目标）上的十几年积累，是它有机会从“批量跑实验”推进到“改进研究方法”的原因。

更大的挑战在于这些经验能否带到陌生任务，多轮后能否用更少实验找到更好方案；外部团队能否复现。

7. Discovery Loop：https://www.discoveryloop.com/

创始人 Jeff Dean、Sanjay Ghemawat、Oriol Vinyals、Quoc V. Le。Dean 和 Ghemawat 参与建立了 GFS、MapReduce、Bigtable 和 Spanner；Vinyals 的工作涉及 Seq2Seq、AlphaStar、AlphaCode；Le 长期研究大规模学习、神经架构搜索和模型蒸馏。首轮由 Radical Ventures 和 Khosla Ventures 领投，Lightspeed、Kleiner Perkins、Doerr Capital 和 Alphabet 参与，金额未公布。

它目前公布的路径分三步：用前沿模型和大规模算力自动化 ML 研究和工程，并行跑数千个实验；自己做第一个客户；再进入芯片、药物、材料、能源等结果可测量的领域。

创始团队星光熠熠，而他们的共同点是基础设施。Google 早期的优势正来自同一个想法能在更大数据、更短周期里被反复验证。Discovery Loop 把“实验吞吐量”当作系统工程问题来做，四人也都参与过 AutoML、AlphaChip 这类机器辅助发现项目。和 Mirendil 比，它不先训专用模型，更像一套多领域的实验操作系统；和 Recursive 比，它更早延伸到 AI 之外。

但跨度越大，疑问越明显。ML 实验几小时返回 Loss，药物和材料实验受制于物理设备、周期和安全约束，一轮要几周到几个月。结果可测量，也不等于方向值得研究。

明星大佬的团队，走出 AI 之后能否处理真实实验的复杂性，是接下来所有人都期待看到“证据”的地方。

点个“爱心”，再走 吧