🤖Как нейросети учатся чинить свои программы в изоляции (RSI) и почему инженеры не спешат отдавать им руль

Вышел фундаментальный 📄 75-страничный труд от ведущих ИИ-лабораторий и университетов (Tsinghua, Shanghai Jiao Tong, ByteDance и др.) под интригующим названием «The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement».

Главный тезис: экстенсивное наращивание мощностей остаётся крайне ресурсоёмким, а человек стал главным «узким горлышком» в процессе разработки и координации нейросетей. Следующий большой скачок это не просто больше данных и видеокарт, а переход к RSI (Recursive Self-Improvement).

🧠 В чем суть RSI?

Сегодня создание ИИ это тяжелый ручной труд дата-сайентистов: сбор датасетов, написание кода, тестирование гипотез, поиск багов. RSI является реальным сдвигом парадигмы. Автономный замкнутый цикл, в котором ИИ не просто решает прикладные задачи, но и улучшает сам процесс своего развития.

Он (в общем и простыми словами):

1️⃣ Находит свои слабые места.
2️⃣ Разрабатывает и тестирует обновления (в коде, промптах или архитектуре).
3️⃣ Внедряет их в себя.
4️⃣ Использует новые навыки, чтобы в следующем цикле искать улучшения и обучать себя еще быстрее и эффективнее.

📈 5 уровней автономии ИИ в рекурсивном самосовершенствовании
Авторы делят автономию рекурсивного самосовершенствования ИИ на 5 уровней, показывая, как система постепенно берёт на себя ответственность за цикл улучшений:

🔹 L1: Автономия исполнения (Execution). Человек говорит, что и как улучшить. ИИ выступает как рутинный чернорабочий в промышленных масштабах (например, сам размечает терабайты данных по строго заданным правилам).
🔹 L2: Автономия стратегии (Strategy). Человек ставит цель (например, «повысь точность кода на 10%»). ИИ сам решает, как это сделать — пишет скрипты, меняет промпты, тестирует гипотезы. (Прямо сейчас бигтехи массово переходят на этот уровень).
🔹 L3: Автономия опыта (Experience). ИИ сам понимает, чего не умеет, и формирует для себя учебную программу. Он генерирует задачи на грани своих текущих возможностей, чтобы точечно закрыть пробелы в знаниях (curriculum learning).
🔹 L4: Адаптация в реальности (Deployment). ИИ работает в условиях эксплуатации. Анализируя опыт взаимодействия со средой и пользователями, он извлекает уроки и сохраняет их в долговременную память под контролем внешних правил проверки, меняя поведение без остановки на глобальное переобучение.
🔹 L5: Мета-улучшение. ИИ переписывает саму логику того, как он учится. Он меняет свои внутренние системы оценки, механизмы поиска гипотез и правила отбора. Он сам создает более умную версию самого себя.

Ведущие ИИ-лаборатории исследуют делегирование агентам уровней L2–L3 задач генерации обучающих данных, тестирования и проведения экспериментов в процессе разработки моделей. Исследователи считают, что со временем роль человека сместится от ручной разработки к определению рамок и ограничений для поиска улучшений. Люди будут строить безопасные песочницы (цели, критерии и рамки), внутри которых ИИ будет эволюционировать сам. Именно люди-операторы определяют глобальные цели и бизнес-требования, задают неизменяемые проверочные стенды с объективными эталонами истины, очерчивают жёсткие рамки безопасности, права доступа к инфраструктуре и лимиты вычислительных ресурсов, сохраняют за собой исключительное право вето на допуск критических обновлений в эксплуатацию.

Внутри этих рамок ИИ берёт на себя отдельные этапы прикладной инженерии и исследовательской работы, выступая в роли автоматизированного ассистента исследователя. Когда система допускает ошибку, она не просто пробует ответить заново, а локализует источник проблемы. Агент исследует логи, сравнивает успешные и неудачные попытки и выясняет, что именно дало сбой.

👆Пока всё, что ИИ умеет сегодня (L3 и L4 на стадии экспериментов) это лишь капля в море по сравнению с тем, к чему приведёт запуск полноценного рекурсивного цикла RSI (L5).

✋ @Russian_OSINT

🈁 Anthropic представила Claude Opus 5.5, которая на 40% дешевле и более чем на 30% быстрее Opus 5

Anthropic выпустила Claude Opus 5.5, которая стала быстрее и точнее в решении сложных инженерных задач, при этом расходы на инференс снизились по сравнению с Claude Opus 5. Модель пишет понятнее и излагает суть без лишних вводных конструкций.

📞 Производительность в коде и аналитике
▪️В тестах написания кода через командную строку Terminal-Bench 4.0 результат составил 66,4%, что выше 57,9% у GPT-6 Astra и 52,3% у Claude Opus 5.
▪️В проверке профессиональных навыков GDPval-AA v2.1 модель набрала 1846 пунктов Elo и опередила конкурентов.
▪️ На тестах программирования FrontierCode v1.1 и CursorBench 4.0 показатели достигли 54,4% и 57,8% соответственно.
▪️При решении прикладных инженерных задач перенос кодовой базы на 680 000 строк занял меньше одного дня, а перевод сетевого сервиса HAProxy с языка C на Rust завершился за 9,5 часа.

💰Стоимость и 🚤 скорость работы
▪️Стоимость 1 млн входных токенов составляет $4, а 1 млн выходных токенов обходится в $20.
▪️Чтение данных из кэша подешевело на 60% и теперь стоит $0,20 за 1 млн токенов.
▪️Скорость выдачи ответов выросла более чем на 30%, а режим Fast mode даёт ускорение до 2,5 раза по цене $8 за 1 млн входных и $40 за 1 млн выходных токенов.

🔐Безопасность и встроенные ограничения
▪️Попытки выйти за границы тестовой среды происходят на 85% реже по сравнению с Claude Opus 5 и Claude Mythos 5.1.
▪️Устойчивость к атакам через промпт-инъекции оказалась наравне с Claude Fable 5.1 самой высокой среди всех протестированных ИИ-моделей.
▪️Большинство задач по кибербезопасности автоматически переводится на Claude Opus 4.8, а биологические исследования направляются на Claude Opus 5, при этом полный доступ к биологии открыт по программе верификации для аккредитованных организаций, а для ИБ-специалистов доступ откроется в ближайшие недели.
▪️Для защиты от скрытой дистилляции в API заблокировано редактирование предыдущего контекста диалога.

👆Главный плюс заключается в росте эффективности и снижении итоговых затрат на 40% при типовых рабочих нагрузках по сравнению с Opus 5. Claude Opus 5.5 не только стоит дешевле в пересчёте на токены, но и расходует значительно меньше шагов и контекста на решение каждой отдельной задачи. Цена входных и выходных токенов снизилась на 20%, а чтение кэша подешевело на 60% до $0,20 за 1 млн токенов. Например, аудит и исправление кодовой базы на 200 000 строк заняли менее трёх часов вместо двадцати у Claude Opus 5 при сокращении расхода токенов в 2,5 раза.

✋ @Russian_OSINT