研究與評測
Jeff Dean 與李飛飛對談揭新創 Discovery Loop 進展:已運行 20 個自動實驗循環,目標提升專家生產力 20 至 50 倍
量子位單一來源
核實資料不足
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。
查證回合用盡,未形成有依據結論

Jeff Dean 於史丹佛以人為本人工智慧研究院(HAI)與李飛飛對談,首度公開新創公司 Discovery Loop 的進展並剖析遞迴自我改進(RSI)的極限。Discovery Loop 登記為公益公司(Public Benefit Corporation),由 Jeff Dean 聯手在 Google 共事 14 至 30 年的 Sanjay Ghemawat、Quoc Le 與 Oriol Vinyals 共同創辦,核心目標是將科學與工程的實驗循環自動化,讓領域專家生產力提高 20 至 50 倍。團隊在前三週進行了 400 場招募面試,成員包含 Go 語言、Gemini、DeepSeek 以及 Kimi K3(含 Attention Residuals 論文合著者)的核心貢獻者,其中 IOI 獎牌得主與 ACM 計算獎得主各佔約 10%。技術架構方面,該公司已自行建構支援人機協作且可擴展至數十萬個 Agent 的框架(Agent Harness),內部目前有約 20 個自動改進循環正在運作。針對外界對 RSI 的過度預期,Dean 強調 RSI 絕不可能無限加速,自動化雖能消除人類等待查看數據的時間差,但基座模型訓練、大規模運算、資料儲存與結果評估等環節仍受物理耗時限制。他同時嚴格區分兩者:傳統自我改進是針對特定指標調整模型架構,而 RSI 則是將改進機制直接作用於「提出改進方案」的系統本身。Dean 亦回顧坦言,過去低估了程式編寫能力對提升模型整體解題能力的深遠影響,神經網路也未如他當年預期般長出不規則的奇特結構。
讀原始報導背景
遞迴自我改進(Recursive Self-Improvement,RSI)是指人工智慧系統透過疊代方式,持續設計出能力更強的後繼系統。此過程理論上可能引發智慧爆炸並催生出超級人工智慧,但同時也帶來人類可能失去對 AI 系統控制權的風險。