Metaⁿ: Recursive Self-Improvement through Emergent Depth
Metaⁿ：固定 meta-operator，以 recursion 扩展求解层级
保持 meta-operator Ω 固定，让它持续读取先前层级的代码与轨迹、生成下一层 strategy；recursion 发生在输入与求解层级上。
阅读解析
THE IDEA BEHIND RSI
01
ExecuteModel · Agent · Tools
02
FeedbackEnvironment · Verifier
03
UpdateWeights · Memory · Code
再进一步，改进产生改进的机制。
Persistent update 与 recursive improvement，需要分别验证。
46篇论文解析
05个 Evolution Targets
Explore Self-Improvement
最近整理
PAPER COLLECTION
All Papers
按 Update Target 浏览，独立筛选 Paper Type、Loop Role 与 Evidence。跨对象研究可出现在多个主题；外部产物与基础研究同样保留。
⌕
跨轴筛选匹配同一个 Variant
AI4AI-Bench: Benchmarking LLM Agents in Algorithmic Design for Recursive Self-Improvement
AI4AI-Bench：Agent 能否改进 model 的学习算法？
把训练算法本身设为优化目标，借助固定任务、独立重跑与隐藏评测，区分改变 model 学习方式和只改运行流程。
阅读解析
PAST-Bench: Benchmarking the Foundations of Recursive Self-Improvement in Personal Agents
PAST-Bench：保留的经验，真的改善了下一次任务吗？
在新会话任务中控制是否保留经验，同时检查成绩变化与保存、检索、更新路径，衡量 memory 是否真正带来后续收益。
阅读解析
RSIBench-Data: Benchmarking Data-Centric Research for Recursive Self-Improvement
RSIBench-Data：数据 strategy 迭代为何仍会退步？
固定训练与评测基础设施，考察 Agent 能否从 model 失败中改进数据 strategy，并区分过程中最优成绩和最终成绩。
阅读解析
Self-Improvements in Modern Agentic Systems: A Survey
现代 Agent 如何实现 self-improvement：model 与 scaffold 的统一视角
用“更新什么、凭什么更新”组织 self-improvement 研究，将 model parameters 与 prompt、memory、工具、control logic 放入同一个系统框架。
阅读解析
Why Self-Rewarding Works: Theoretical Guarantees for Iterative Alignment of Language Models
Self-Rewarding 为何有效？理解 Iterative Alignment 的理论边界
从单次更新的限制到多轮迭代的 error bound，研究 self-rewarding 为何能逐渐减弱对初始 model 质量的依赖。
阅读解析
Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models
ACE：让 context 成为持续演化的经验手册
把 context 管理为可增量更新的 strategy 条目，由生成、reflection 和整理三类角色积累经验，缓解反复整体重写造成的信息流失。
阅读解析
A Survey of Self-Evolving Agents: What, When, How, and Where to Evolve on the Path to Artificial Super Intelligence
Self-Evolving Agent 综述：改什么、何时改、如何改、在哪里改
以更新对象、更新时机、学习机制和应用环境建立多轴分类，并把适应、保留、generalization、效率和安全纳入评价。
阅读解析
GEPA: Reflective Prompt Evolution Can Outperform Reinforcement Learning
GEPA：从 execution trace 中提炼 reflection 并演化 prompt
让 model 阅读 reasoning 和工具 execution trace，用自然语言诊断失败，再通过候选 population 与 Pareto 选择积累互补的 prompt strategy。
阅读解析
AlphaEvolve: A coding agent for scientific and algorithmic discovery
AlphaEvolve：用可验证 feedback 演化算法与计算基础设施
LLM 生成程序变体，自动 evaluator 执行并验证，程序数据库保留可用于后续 search 的候选，覆盖数学发现与工程优化。
阅读解析
Darwin Godel Machine: Open-Ended Evolution of Self-Improving Agents
Darwin Gödel Machine：让 Agent 改写自己
通过修改自身代码、在编程 benchmark 上验证效果，并保留多样化的 Agent 档案，探索开放式 self-improvement。
阅读解析
Absolute Zero: Reinforced Self-play Reasoning with Zero Data
Absolute Zero：从自我出题到自我学习
同一个 model 提出并解决代码 reasoning 任务，以 executor 提供可验证 feedback，让训练 curriculum 与 reasoning 能力共同演化。
阅读解析
DAILY DISCOVERY
arXiv Feed0
追踪 Recursive Self-Improvement、Self-Evolving Agents 及相关研究。这里先收录原始 Abstract 与 provisional classification；完成原文核验和结构化解析后，进入 Paper Collection。
Daily · 09:00 SGTAwaiting first successful syncSource · arXiv
首次成功检索后，将在这里显示新论文及最后检查时间。
A WORKING DEFINITION
什么发生了变化，
谁在改进下一代？
RECURSIVE SELF-IMPROVEMENT
在明确的 System Boundary 内，系统利用 Feedback，持续修改承担后续改进功能的组件；修改后的组件再次参与生成学习经验、提出、评价、选择或整合后续版本。
这是本站用于整理文献的 Operational Definition。不同论文对 RSI 的范围仍有分歧；本定义区分机制成立与效果成立，不预设无限进步、加速增长或 ASI。
Persistent Update
先确认更新能否进入后续 Attempts、Tasks 或 Improvement Rounds。一次回答的改写、只读检索和临时 Context 变化，需要与持久系统更新分开。
Recursive Mechanism
追踪被更新组件在下一轮的功能。Weights、Prompt、Memory 与 Code 都可能承担 Improver；修改代码或重复循环本身不足以证明 Recursive Reuse。Model 生成下一轮训练数据可形成结构性反馈；这不代表训练算法本身被改写。
Demonstrated Recursive Gain
进一步检验更新后的 Improver 是否更善于产生有效的后继版本。固定起始 Solver、候选预算和 Evaluator，比较后继质量，比只看最终 Task Score 更有辨识力。
Evolution Target
五个可重叠主题：Model、Prompt & Context、Memory、Tool & Skill、Architecture。它们回答“改了什么”。没有持久更新的工作仍可从 All Papers 找到。
Paper Type
Method、Survey、Theory、Benchmark、Empirical Analysis 独立标注。Survey 讨论 Model Evolution，不等于该 Survey 训练了一个会自我改进的 Model。
Loop Role
Solver、Experience Generator、Evaluator、Proposer、Selector、Integrator 回答“变化影响了循环中的什么功能”。同一组件可以有多个 Role。
Persistence & Evidence
记录更新保留范围、Recursive Reuse，以及 Task Gain、Transfer、Improver Quality Gain、Controlled Successor Gain 等证据。Evidence 是观察类型，不是统一能力阶梯。
用边界案例检查分类
- Self-Refine
- 修改当前任务的回答，通常属于 Ephemeral Refinement；该循环本身没有证明跨任务的系统更新。
- STaR · Self-Rewarding
- 更新后的 Model 分别重返 Experience Generator 与 Evaluator。两者都有 Recursive Reuse；Self-Rewarding 还测量了 Judge Quality，但这仍需与受控的后继增益区分。
- TextGrad
- Instance Optimization 与可复用 Prompt Optimization 分开记为 Variant。不能把前者的 Persistence 和后者的 Evidence 拼成一个虚构实验。
- DGM · HyperAgents
- 检查哪些 Agent 组件实际被改写、哪些外层规则保持固定。局部 Recursive Mechanism 可以成立，开放式能力增长仍需额外证据。
每个 Variant 记录 System Boundary、Feedback、更新角色和 Evidence Scope。保留固定 Base Model、测试集或人工 Gate 不会自动否定局部 Recursion；扩大边界也不能代替实际的更新证据。分类是基于原文的 Editorial Assessment，可随新证据修订。
Primary Sources：A Survey of Self-Evolving Agents · Self-Improvements in Modern Agentic Systems · HyperAgents · The Last AI Built by Humans。以上文献提供不同视角；本页的判定规则是综合后的工作标准。
READING PATHS
沿着问题，深入研究。
从代表论文开始，逐步比较 Method、适用范围与 Evidence。每篇解析附 arXiv 原文和实际核验范围。
From Feedback to Continual Learning
先理解一次回答如何被修订，再看 experience 和 model parameters 如何进入下一轮。
From Optimization to Self-Modification
分清 optimization target 与 optimizer，追踪哪一部分变化真正接管了后续改进。
Evaluating Self-Improvement
关注 feedback 可靠性、experience 保留的作用和独立 evaluation，检查结果能否持续。