recursive self-improvement (RSI)

2026-11-02

COMPANIES · 1 ИСТОЧН. · TechCrunch AI

В S‑1A Anthropic предупреждает, что может быть близка к рекурсивному самоулучшению (RSI)

В обновлённой форме S‑1A Anthropic сообщает, что использует ИИ для ускорения исследований и разработок и что её внутренние оценки указывают на то, что она может «в ближайшее время» достигнуть определения «резкого ускорения прогресса, обусловленного ИИ» в своей Responsible Scaling Policy (то есть рекурсивного самоулучшения), при этом компания отмечает, что ни одна из текущих моделей ещё не признана превысившей этот порог и обязуется сохранять участие людей в разработке передовых моделей.

8.0

2026-10-29

COMPANIES · 3 ИСТОЧН. · WIRED AI · The Verge AI · MIT Technology Review AI

Anthropic подал проспект S‑1 с планами IPO и финансовыми данными

Anthropic подал проспект S‑1 перед ожидаемым IPO на Nasdaq под тикером ANT, раскрыв данные за первое полугодие 2026 года: выручка свыше $16 млрд (против ~$4,5 млрд в 2025 г.) и чистый убыток $80,7 млн; в проспекте перечислены риски — нехватка вычислительных ресурсов, конкуренция, злоупотребления ИИ и обозначение компании как риск для цепочки поставок со стороны США. В документе не указаны сумма эмиссии и оценка, при этом компания подчеркивает рост корпоративных клиентов и фокус на безопасности.

9.0

2026-10-15

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Harness^2: двухуровневая рекурсивная система для эволюции харднесов LLM-агентов

Harness^2 — это «plug-and-play» рекурсивная система для харднесинга агентов: двухуровневая схема использует рекурсию на уровне задач (контрастный Propose‑Probe‑Compose для редактирования харднеса без эталонных проверяющих) и рекурсию на уровне харднесинга для накопления опыта и обновления непрерывного механизма улучшения. На трёх профессиональных бенчмарках и в четырёх конфигурациях модели+харднес единичные шаги улучшения повысили показатели GLM-5 и Gemini 3.5 Flash — до 11.5 пунктов на WorkBuddy-Bench, 4.5 на JobBench и 11.8 процентных пункта на LAB.

7.0

2026-10-07

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

SPECTRUM: проксимальная спектральная модуляция улучшает сохранение разнообразия при циклической самодистилляции для генерации кода

В статье представлен подход Looped Self-Distillation, при котором модель многократно генерирует и обучается на собственных выводах при фиксированном информационном бюджете, а также метод SPECTRUM — переоценка чувствительной к потере геометрии ключ/значение с последующей полноранговой проксимальной спектральной модуляцией. В экспериментах на MBPP SPECTRUM сохранил 89,9% богатства корректных AST из 64 образцов после пяти раундов (против 66,4% у обычной самодистилляции), и эффект разнообразия перенёсся на HumanEval+ и APPS Intro без дополнительной калибровки.

6.0

2026-09-22

REGULATION · 1 ИСТОЧН. · The Decoder

OpenAI призывает к международным стандартам для самосовершенствующихся ИИ

OpenAI призывает к созданию международных технических стандартов для развития продвинутых ИИ с акцентом на рекурсивное самоусовершенствование (RSI), отмечая, что полностью автономное RSI в настоящее время не реализовано и должно развиваться только при условии безопасности. Компания предлагает лидирующую роль США в вопросе общих методов измерения, отчетности об инцидентах и правил человеческого контроля, опираясь на институты безопасности ИИ и организации типа CAISI и ISO; аналогичные опасения недавно высказала научная панель ООН.

7.0

2026-09-15

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Обобщённая итерация агента: формальная рамка, объединяющая итеративное улучшение политик и рекурсивное самоулучшение

Этот препринт на arXiv предлагает «Обобщённую итерацию агента» (GAI) — формальную модель, описывающую обучение как цикл оценки агента и его улучшения, и рассматривает итеративное улучшение политик (GPI) и рекурсивное самоулучшение (RSI) как частные случаи в двухосной шкале (находится ли механизм улучшения внутри агента и является ли стандарт оценки внешним). Авторы размещают существующие системы в этих координатах и формулируют дефекты RSI в виде отдельных условий.

6.0