# 近一年 RSI 研究：最新方法、证据与方向变化

[返回仓库](../../README.md) · [算法详解](04_Algorithm_Handbook.md) · [筛选近期方法](../../index.html#methods)

**首发窗口：2025-11-05—2026-11-05；检索/复核截点：2026-11-05。**

优先使用 arXiv submission history 的 v1 日期。旧论文在窗口内发布新版本，记为“近期修订”，不混入“近期首发”。例如 DGM 首发是 2025-05-29；Hyperagents 的 2026-11-01 v2 是修订，首发是 2026-03-19。MetaRSI 的项目页 09-03 与论文首发 09-06 也分开。

本页是有明确检索边界的选择性综述，不保证穷尽。近期核心条目的日期与摘要已在本次监督中直接访问原始页面；专题正文继承已有版本化阅读证据，不能冒充本次重新读完每篇。检索未找到可确认的 11 月 3—5 日新条目，不意味着这几天没有论文。

## 1. 最新一组，按真实首发日期倒序

| 首发日期 | 方法/原始来源 | 主要贡献 | 需要保留的限制 |
|---|---|---|---|
| 2026-11-02 | [CoworkOS](https://arxiv.org/abs/2611.03178) | 持久工作区、语义记忆、异步委派与共享应用状态；展示五轮自动后训练案例 | 研究运行时与后训练目标模型不同；不能称 Harness 已递归改写自身 |
| 2026-11-02 | [SelfImprove-Bench](https://arxiv.org/abs/2611.02797) | 探索、规划、推理任务；G0–G4 泛化阶梯与可生成难度 | 游戏实例提供可控评测，不代表开放世界通用性；它是 benchmark |
| 2026-10-31 | [CogRSI](https://arxiv.org/abs/2611.01113) | 推理原则演化、反事实测试、程序化规则审计 | 提高准确率与规则语义正确性不等价；这是负面证据的重要来源 |
| 2026-10-29 | [RSI-Dojo](https://arxiv.org/abs/2611.03698) | RSI-Craft 将研究产物转成 281 个可执行种子训练任务，再收集筛选轨迹训练 Agent | 更强教师轨迹属于外部知识贡献；训练会训练模型的模型尚不等于闭合后继链 |
| 2026-10-25 | [ParetoRSI-Gym](https://arxiv.org/abs/2610.34386) | 五领域数据搜索、筛选、SFT、评价循环，测平均收益与局部退化 | 固定模型/任务/工具/训练管线；平均提升不能遮盖能力向量退化 |
| 2026-10-23 | [RSI-Opt](https://arxiv.org/abs/2610.32026) | 跨训练保留 optimizer-agent 的 prompt、playbook、代码与调度 | 固定 meta-agent；标准化分数不是显著性或百分比收益；存在附录需复核的历史暴露记录 |
| 2026-10-23 | [RSIHub](https://arxiv.org/abs/2610.32253) | recipe/operator 可组合演化、保护评价接口、候选谱系和恢复 | 同一框架内方法排名会随设置改变，优化收益不总迁移到留出 |
| 2026-10-19 | [HarnessPro](https://arxiv.org/abs/2610.26770) | 固定生成测试、性能底线与 Pareto 三档 Harness | label-free 不等于真值已解决；费用分母与搜索总成本需分开 |
| 2026-10-18 | [CoEvo-RSI](https://arxiv.org/abs/2610.25078) | 历史 Harness 与模型 checkpoint 双向继承、合并和轨迹 SFT | 需要交叉冻结才能隔离模型/框架/预算贡献 |
| 2026-10-15 | [R2Orch](https://arxiv.org/abs/2610.22740) | 研究编排与轨迹/优化机制；详细结构见训练专题 | 本次监督未独立复核全文，细节以继承证据为界 |
| 2026-10-13 | [AReaL-RSI](https://arxiv.org/abs/2610.18083) | 研究角色、条件化经验分享、campaign 后的技能与方向更新 | 骨干冻结；更多并行资源和角色机制要做独立成本归因 |
| 2026-10-09 | [Harness²](https://arxiv.org/abs/2610.14224) | 在线 probe、持久化改进经验，后续任务继续利用 | 经验继承不是把上一任务完整配置机械复制过去 |
| 2026-09-28 | [RSI-Master](https://arxiv.org/abs/2609.35561) | Experiment OS 约束动作；Reviewer-guided 研究 DAG 抑制方向锁定 | 0% hacking 是作者协议下的报告，不是任意攻击下的证明 |
| 2026-09-25 | [DCE + SRCL](https://arxiv.org/abs/2609.30652) | privileged teacher 随 student 更新，补充短且验证过的自改写 | 教师看到答案；没有外部教师不意味着无外部监督 |
| 2026-09-21 | [RRSI](https://arxiv.org/abs/2609.24972) | 编辑预算退火、历史探索、critic 与 pruner | 正则化缓解过拟合，不能据此证明任意任务泛化 |
| 2026-09-17 | [SoL-Pi](https://arxiv.org/abs/2609.20519) | 自动研究筛选可复用低开销 Harness 机制 | token traffic、API 费用与墙钟不是一个指标 |
| 2026-09-14 | [Dream-RSI](https://arxiv.org/abs/2609.14858) | 用发现历史树回放优化探索策略，再进入在线发现 | 支持集内评价；不是神经世界模型训练 |
| 2026-09-06 | [MetaRSI / RSI²](https://arxiv.org/abs/2609.06396) | 数据、Harness、模型三算子，顺序/提案双轴与跨 term 元调度 | 开放科学是议程；验证主要仍在代码与闭式科学，最外层冻结 |
| 2026-07-30 | [Frontis-MA1 / OpenRSI](https://arxiv.org/abs/2607.28568) | 学习 Draft/Improve/Debug/Crossover 等工程算子，结合长时搜索 | 搜索收益和模型能力分别测；完整研究机器未由最终成绩自动证明 |

更早的窗口内方法包括 Yunjue（01-26）、Hyperagents（03-19）、SkillMOO（04-10）、GenericAgent（04-18）、COS-PLAY（04-22）、AHE（04-28）、Skill1（05-07）、RHO（06-04），以及 S3Gym、Aspire、HarnessDev 等支撑环境。逐篇入口和层级见[动态方法索引](../../index.html#methods)、[方法数据](../../data/atlas-methods.json)和四个专题。

## 2. 五个发展趋势，不是五条已证明定律

### 单对象编辑 → 多对象协调

CoEvo-RSI、MetaRSI 与 Frontis-MA1 把权重、执行结构、数据与改进过程连起来。价值是减少组件不匹配；代价是解释更难。下一步必须以交叉冻结、消融和同预算继续实验替代整机排行榜。

### 获得高分 → 持久迁移与规则正确性

RRSI、CogRSI、SelfImprove-Bench 分别检验泛化、语义与难度迁移。它们说明训练集进步、留出进步、原则正确和长期稳定是不同坐标。

### 验证更便宜 → 验证本身也需要审计

Dream-RSI 的历史回放、RHO 的自偏好、HarnessPro 的生成测试降低选择成本，但引入支持集限制和内生偏差。降低成本不能改变“最终必须独立验收”的要求。

### 单次研究 → 经验与实验制度继承

AReaL-RSI、RSI-Master、Harness²、RSI-Opt 把可重用经验、研究谱系、代码或决策程序作为资产。下一步要对比同量独立提案，隔离继承与更大预算。

### 任务分数 → 多领域 Pareto 与全生命周期收益

ParetoRSI-Gym 与 HarnessPro 强调退化、费用和预算；平均涨分不足以决定生产发布。真实部署还需时延、价格漂移、事故风险、维护和回滚边界。

## 3. 本次核验新增的纠偏与优化建议

1. **MetaRSI 日期纠偏：** 项目日 09-03 不写成论文 v1；使用 submission history 的 09-06。
2. **最新程度纠偏：** CogRSI 的编号是 2611，但首发是 10-31；RSI-Dojo 的编号是 2611，但首发是 10-29。
3. **层级纠偏：** RSI-Opt 的演化策略不是固定 meta-agent 自修改。保留冻结边界，避免标题驱动的 L3 宣传。
4. **收益纠偏：** 作者实验、自动目录、HTML 动画、本文建议分别管理；动画不生成任何“性能上涨”模拟数据。
5. **知识组织优化：** 从巨型论文清单转向“问题—持久对象—更新算子—反馈—冻结边界—迁移”六列机制卡。
6. **阅读优化：** 先读算法手册，再在感兴趣路线下进入长专题；不要求读者先翻几千条链接。

## 4. 证据层级与未完成项

- 日期/摘要直接复核清单见[primary-verification.json](../../data/primary-verification.json)。
- 原有专题的逐条正文阅读记录见[research/](research/)。这证明文档作者先前所记录的阅读范围，不是当前监督者的重新全文审阅。
- RSI-Opt 本次读到方法 §3 与相关正文片段；未完成全部附录、图表图像或复现实验核对。
- 其他近期条目在数据中保留继承阅读级别，未直接复核的条目不升级为本次已审。
- 首发窗口内未必每个月都有精选条目；不为了填月份制造方法。研究搜索可能遗漏未索引稿件、不同术语和非 arXiv 来源。