读自己的脑，写自己的药方
DoubleAI的实验把DeepSeek-V4.1-Flash做数学题时的做题轨迹，连同最深7层的内部激活状态一起交给了模型自己。它分析完犯错规律后，亲手写出了探针重采样程序probe_and_resample，直接杀进AIME与HMMT 2026考场。思维链每推进到一个检查点，程序就自动提取最深7层的激活特征并打分，一旦测出轨迹偏离正常分布，当场触发回滚重算。三组对照高下立判：标准单次长思维链推理一条道走到黑，准确率63.9%；只按字数盲目重算的对照组仅65.4%；而DeepSeek自写探针组实时"读脑"提前止损，准确率冲上71.0%——不改半个权重，分数原地暴涨7个百分点。
同样的剧本也在Qwen3-8B身上重演。在零梯度更新的前提下，它自主进化测试了15000个Python调度策略，并把AIME与HMMT 2026的准确率从58.5%拉高到65.5%，同样涨了7个百分点。它给自己定制的策略颇具"包工头"智慧：32条并发轨迹每跑2048个token检查一次，只要有满8条算出答案且榜首票数达到第二名的2倍以上，就提前终止全员、省下算力；跑满12288个token还没算完、重复率超过0.35的"死循环复读"轨迹，则被当场砍掉重启并降权投票。一个模型开始精打细算地替自己省算力，这个画面标志着大模型的优化目标正在从"答对题"悄悄变成"省着答对题"。
20行代码跑起梯度下降："机制干预"是什么新范式
提出这套方法的是Mobileye创始人Amnon Shashua创立的AI机构DoubleAI，他们首次系统性地阐述了"机制干预"范式：不再让模型只在写死的架构里硬调权重，而是把编程Agent放进训练与推理现场。流程分三步——Agent实时读取每层网络的梯度信号，揪出靠调权重学不会的短板；现场生成几十个候选Python函数，在单批数据上实测谁最能降误差；把胜出代码挂在初始值为0的门控后面并入网络，由后续训练自动把门控推开。在12层模型nanochat的1500步训练中，Agent三次出手，每次代码并入都带来预测误差（bpb）的一次下探，训满1500步后相当于白赚了15%的训练进度；插入的门控在100步内就被梯度下降自动调整到0.58，而打乱逻辑的"假代码对照组"与常规训练完全重合，证明提分全靠AI写出的代码逻辑。
更惊艳的是Agent在第1000步往末层塞进的"错误记忆层"：短短20行代码，打破了以往"前向只能推理、反向才能改错"的定式——不用等反向传播，模型边往后读就能边核对前文答案，当场算出预测误差，找出64个最相似的犯错位置，在单次前向传播内迈出一步梯度下降。在30种经典计算机算法测试中，常规Transformer训练一旦遇到没见过的中间长度，准确率会瞬间崩到0%；而Agent每隔500步出手一次、连塞10个Python代码层后，广度优先搜索从0分干到97%，拓扑排序冲上93%，30种算法总准确率从55%狂飙到84%。线性探针还揭示了人机协同的精妙之处：到第4层时，神经网络已经把零散字符拼成了真正的数字，代码层顺势从探针中读出数值82.6，在Python里完成比大小与循环更新后再写回网络。
半路插代码反而强17分：AI长出的架构，人看不懂
如果从训练第0步就把代码层装进模型，效果会不会更好？第二组实验给出了完全反直觉的答案。团队把模型的记忆窗口锁死在500词以内，考它能否找回几千词之前的变量赋值，并让Agent写一个能跨窗口查字典的"代码缓存层"，分三种时机装入：常规训练基线之下，超出窗口的变量全部忘光，召回率为0%；开训前就装好的"天生自带组"召回率停在55%；先练1200步再半路塞入同一个缓存层的"半路插入组"，召回率冲上72%——同样的Python代码，训到半路才插进去，竟然比天生自带的方案高出整整17个百分点。
原因在于：开训第一天就递上现成的代码捷径，神经网络会"偷懒"依赖外部字典，不去打磨底层表征；先强迫模型在限制下把基础表征练扎实，撞上天花板后再接上Python代码，神经权重与符号代码才能发挥最大合力。DoubleAI创始人Shashua对此放话，深度学习已经彻底跨过"只调权重"的旧边界；联创Gal Beniamini则感叹，放手让大模型边训练边改写自己，最后长出来的架构连研究员都觉得不可思议——它不再是纯粹的神经网络，而是一半来自训练学出的权重，一半来自半路拼接的Python代码。从"人类调权重"迈向"AI写架构"，正是递归自我改进（RSI）最关键的一步。
智能体开始组队打工：LobeHub让AI接管8万Star开源公司
模型层面的自我改造之外，应用层面的"AI组团"也已经跑通了商业闭环。开源社区明星项目LobeHub在GitHub上已狂揽8.44万Star，其团队半年前就开始用自家的AI协作平台搞研发，让Agent参与派任务、写代码甚至排查Bug。量子位记者的实测颇具说服力：把选题需求塞给主编Agent Sienna，它转头拆活、派人、收稿、汇总一气呵成，不到8分钟就端来6条带信源链接的AI选题；遇到信源模糊的选题，它还会列出验收清单，经批准后提醒对应的Agent"注意标准，重找"。更绝的是第二轮制作热点看板网页时，Sienna判断人事小编专业不对口，现场新建了两位Worker——网页开发与独立QA——新Worker直接接上了上一轮的6条选题，全程约30分钟交付，4项检查全部通过。
支撑这套流转的是LobeHub的工作机制：Agent Loop、Session状态与工具运行环境拆开管理，电脑关了她的任务照跑；工作目标、进度与交付文件放进共享工作空间，接手的Worker天然知道前一棒干了什么；Acceptance多模态验收要求Agent附上测试结果、截图与录屏，人类始终掌握最终验收权。在LobeHub自己的研发流程里，主管Agent Nasa派活、Coding Agent Dario提交PR（编号#21852）、Codex机器人挑刺修改的链条已经常态化，两个项目的Agent甚至能自己对接需求、跨项目接力。团队成员透露开发效率提升约3-5倍，有人整整三个月没在本地启动过Dev Server；一项客户端数据迁移任务里，Agent们足足跑了2天3小时47分钟，拆出60个任务、完成56次独立迁移。LobeHub为此提出了Self-Driving Organizations分级，目前内部运行在L3，部分场景正向Agent能自主派活、接力、验收的L4"自治业务单元"迈进。
代码洪水袭来：GitHub被AI提交挤爆，一个月73.8亿次
当无数Agent昼夜不停地写代码，承接代码的基础设施开始发出警报。据GitHub官方数据与The New Stack报道，9月开发者和AI智能体在GitHub上提交了73.8亿次代码，是一年前的五倍多；推送次数从每月6.9亿次飙到33.5亿次，涨了4.9倍；自动化流水线Actions跑了32.6亿次，是一年前的4倍多。智能体是不折不扣的"保存狂魔"——几乎每做一步就要存一次档，而每次推送后面还跟着自动测试、代码扫描的"连环Call"，繁忙仓库里每分钟能拉取上千次。8月17日，GitHub因"容量失败"全球宕机7个多小时，入口请求失败率一度超过50%，Copilot掉线，Cursor等依赖GitHub的服务也被波及6小时6分钟，CTO Vlad Fedorov公开道歉。
GitHub的应对是先砸硬件、再换底座：今年累计新增400万个CPU核心、160PB存储与每秒50Tb网络带宽，老机房与所在地区的电力先后到顶，工作量向Azure迁移的比例从5月的12%涨至8月的约58%；架构上则把"账本与柜台拆开"，代码统一存进微软云大仓库、前台只管接待，内部测试显示每秒可吞下的写入次数最高提升35倍。瓶颈正在向后移动：从"写得出"到"存得进"，下一道坎是"合得上"与"谁来签字"。微软高管Jay Parikh的预测更为大胆：人类至今写过的所有软件加起来，可能还不到未来五年软件总量的1%。GitHub在博客里定下一条原则——智能体干的活越多，代码的主人越要能审、能懂、能拍板，没审过的改动不能进主分支。
电力与安全的暗线：Anthropic 227亿元囤发电机
AI自我进化的另一个约束条件在物理世界。据英国《金融时报》报道，Anthropic在9月下旬与得州圣安东尼奥的设备供应商OnePWR Solutions完成交易，以34亿美元（约合人民币227亿元）锁定1.7吉瓦重型发电机供货，用于数据中心的电力供给，创下已知AI实验室单笔金额最大的发电设备采购纪录。Anthropic没有收购OnePWR，但交易包含了安装发电机所需的工程与施工能力；由于燃气轮机与发电机的制造周期已延长至数年，AI公司正凭借雄厚财力绕过中间商、直接锁定产能——xAI早些时候花了20亿美元购入移动式燃气轮机，Alphabet则在2025年底收购了能源开发商Intersect。Anthropic方面透露，到2045年其计算项目承诺总额已接近9000亿美元，预计到年底每月支付给SpaceX的算力租赁费用将达到31亿美元；华尔街则警告其信用评级可能被评定为"垃圾级"。
热闹之外，冷水同样泼得及时。安全研究人员发现，Claude Code会在后台把用户的真实登录邮箱、姓名乃至公司内部代码库地址塞进User-Agent请求头发给外部网站——用户每月掏几十甚至200美元订阅，换来的却是隐私泄露，官方已呼吁抓紧更新。而在斯坦福HAI的对谈中，Jeff Dean对RSI泼了一盆冷水：递归自我改进受训练、计算和评估等物理过程的限制，难以无限加速，其新公司Discovery Loop已运行约20个自动改进循环，目标是把领域专家的生产力提高20至50倍。两边的图景拼在一起，恰恰构成行业的最大公约数：AI改造自己的大脑已经开闸，但电从哪里来、代码往哪里放、谁来最终拍板，仍是人类必须回答的问题。
暂无评论内容