待验证50% 置信事实精确时间
RSI与RLHF和模型蒸馏存在本质区别：后两者仍依赖人类反馈信号或教师模型，而RSI强调系统自主生成改进方向
1
来源数
50%
置信度
长期有效
时效性
2026/10/6
首次发现
来源
涉及实体
相关事实
待验证生成—评估—反馈闭环与RLHF思路一脉相承，区别在于将人类反馈替换为AI自评以实现全自动化70% 相似待验证当前 LLM 驱动的 RSI 实践依赖模型的代码生成与自我批评能力，典型代表包括 AlphaCode 的迭代修复流程以及 Reflexion 论文所描述的 reflection 机制70% 相似待验证递归自我改进（RSI）意味着系统需要评估自己的输出、修改自己的策略、甚至重构自己的执行流程70% 相似待验证研究者尝试通过指令微调（Instruction Tuning）和基于人类反馈的强化学习（RLHF）改善模型的语用理解，但本质上是在统计模型上叠加启发式规则67% 相似已验证部分系统通过RLHF（基于人类反馈的强化学习）在训练阶段将安全偏好嵌入模型权重，使模型本身倾向于拒绝生成特定内容，而非依赖外部过滤67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/980094API
curl https://kongchang.com/api/v1/knowledge/claims/980094MCP
get_claim(id=980094)