当 AI 开始给自己动刀，“智能爆炸”可能真不远了：两篇论文拆解AI下一步进化路径

（本文作者为 硅谷Tech news，钛媒体经授权发布）



最近，AI 圈同时被两件事刷了屏：一边是 MIT 材料科学家 Markus J. Buehler 的长文（题为 Recursive Meta-Intelligence，与 SwarmWorld 互为呼应）一周内引来二十多万次围观；另一边，DAIR.AI 力荐的一篇论文登上了 Hugging Face 日榜第二名。两条推文看似毫无交集，指向的却是一个趋势——AI 正在学会改进自己。

Buehler 团队的 SwarmWorld，讲的是“一群 AI 如何通过共同生活的世界悄悄把彼此变强”；DAIR.AI 推荐的 ModularRSI，讲的则是“单个 AI 如何给自己的执行框架动手术”。一个来自 MIT，一个来自北航、曼彻斯特大学、澜舟科技等组成的团队；一个面向材料科学，一个面向软件工程。它们像是同一命题的两种解法，而这命题正是眼下最热的“递归式自我改进”（Recursive Self-Improvement，RSI）。

需要说明的是，这两篇都还只是 arXiv 预印本，未经严格同行评审，却在社交媒体上收获了远超寻常论文的关注。它们凭什么出圈？这背后是 AI 发展悄悄换挡的讯号。

“递归式自我改进”并不新鲜，过去多半停留在模型参数层面，用更多数据、更大算力“喂”同一个模型。而 SwarmWorld 与 ModularRSI 不约而同地把目光从“模型本身”挪开：一个聚焦共享环境，一个聚焦执行机制。这传递出一个信号，在模型之外，还有大片等待“进化”的疆土。


AI 学会了“制造工具”

先看 MIT 那篇。据公开资料，Buehler 是材料科学领域绕不开的名字：MIT 讲席教授、土木与环境工程系前系主任。这一次，他和团队抛出的 SwarmWorld，没有堆更大的模型，而是把 50–200 个“初始状态完全相同”的 LLM 智能体，扔进一个共享的模拟世界。

每个智能体都从零开始：没有预设分工、没有初始配方、甚至没有“负责人”，只能观察、思考、动手——探索地形、采集资源、测试材料...

硅谷Tech news | tmtpost​.com • Sep 23, 2026