知识卡片：姚顺宇、施天麟谈RSI——最难在于验证自我迭代有效

一句话结论：姚顺宇与施天麟在访谈中提出，模型实现自我迭代本身"并不难"，真正的瓶颈是验证迭代是否有效；同时认为公开 benchmark 容易被刷榜、生命周期短暂，创业公司的机会在于把模型厂商的通用智能转化为行业专业能力。

英文关键词：RSI、Self-Improvement、Benchmark、RL、Post-training、Gemini 3.8 Flash

事件概述或研究问题

本条来自腾讯研究院 AI 速递（20260923）第九则，记录姚顺宇、施天麟围绕 RSI 的对谈观点。核心问题包括：自我迭代可以分成哪几个层次？RSI 的难点究竟在"做出来"还是在"证明它有效"？当公开 benchmark 普遍被刷榜时，如何评估模型的真实进步？

方法/产品要点

• RSI 的三层理解：模型用自生成数据训练自己，只是 RSI 的初级阶段；能自主设计整套训练流程，才超出 RL 的范畴；终极形态的 RSI 是涉及调度、上下文与硬件优化的系统工程。
• 难点在验证：姚顺宇指出，实现自我迭代并不难，难在验证迭代有效。模型执行力强，但难以自行制定评估标准。
• 已有落地迹象：据材料，Gemini 3.8 Flash 的后训练核心流程已由模型自主探索得出。
• 评估生态判断：嘉宾认为公开 benchmark 常被刷榜，一个基准能存活三五个月已属不易。
• 创业定位建议：创业公司应把模型厂商提供的通用智能，转化为行业专业能力。

主要结果或产业意义

材料未给出可量化的实验数据或产品指标，本条的主要"结果"是观点层面的：它把 RSI 的讨论重心从"模型能否自我改进"转移到"谁来验证改进有效"，并把评估标准的制定权视为关键稀缺资源。对产业而言，这暗示两类机会——一是更抗刷榜的评估/验证能力，二是把通用模型能力落到具体行业的专业能力封装。

为什么重要

在 RSI 话题上，常见的叙事是能力是否会指数级自增；本条提供了一个反向切入口：执行力已不是瓶颈，验证与评估标准才是。这也与公开 benchmark 的可信度问题直接相连。相对已有卡片（如 AA-Briefcase 这类前沿知识工作基准、以及模型融合超越前沿性能的评测结果），本条的增量在于：它不提供新基准或新分数，而是提出问题——当基准本身易被刷榜时，评测结果与自我迭代的"有效性证明"都需要额外的验证机制。与既有卡片无直接事实重叠。

局限与不确定性

• 本条为速递条目对访谈的转述，非访谈全文，缺少完整语境与论证过程；原始访谈的时间、场合、主持方待核实。
• 姚顺宇、施天麟的具体身份、所属机构与职务未在材料中说明，待核实。
• "RSI"的英文全称与定义边界，材料未给出，待核实。
• "Gemini 3.8 Flash"的名称与版本信息仅见于材料转述，待核实。
• "benchmark 常被刷榜""能存活三五个月"属嘉宾个人判断与经验性表述，材料未附数据支撑。
• "已解决 100 多道长期开放问题"等数字出现在同一速递的其他条目（OpenAI 与数学顾问组），与 RSI 部分无关，不应混用。

可用于图书/PPT/简报的角度

1. "自我迭代不难，验证才难"——用一句反直觉判断切入 RSI 章节，讨论评估标准的权力归属。
2. RSI 的三级台阶：自生成数据 → 自主设计训练流程 → 调度/上下文/硬件优化的系统工程。
3. benchmark 的保质期：把"三到五个月"作为评估基准可信度的讨论引子。
4. 创业公司的位置：从"造通用智能"转向"把通用智能转成行业专业能力"的分工叙事。
5. 对照阅读：与 AA-Briefcase 等基准类工作、模型融合类工作并列，形成"评测—验证—迭代"的完整议题链。

原始材料

• 标题：腾讯研究院AI速递 20260923（第九则：姚顺宇、施天麟谈RSI：最难在于验证自我迭代有效）
• URL：https://m.sohu.com/a/1079646096_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=9
• 父级来源：腾讯研究院AI速递 20260923（https://m.sohu.com/a/1079646096_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334）
• Track：industry；Topics：benchmark-evaluation