机器之心编辑部 如果说过去几年 AI 能力的提升，主要依赖人类不断扩大模型规模、增加训练数据和投入更多算力，那么接下来，一个更具想象力的问题正在浮现：AI 能否利用自己执行任务的结果和反馈，反过来改进自身？ 这正是近期最火热的赛道之一 —— RSI（Recursive Self-Improvement，递归自我改进）所关注的方向。 在 Anthropic，Claude 已经参与了相当比例的内部模型研发工作，出现了 AI 自主开展开放式 AI 安全研究、提出并验证新方法的成果；在 Weco AI，研究人员提出了首个达到一级递归自我改进（Level 1 RSI）的实验 Agent 系统 AIDE²。对于 AI 研究团队来说，以往作为研究对象的 AI 系统已经变成了具备自我研发能力的研究员。在一些细分领域上，RSI 似乎已经有了局部闭环。 但要让这种自我改进真正发生，远不只是让 Agent 多生成几轮代码、多消耗一些 Token。它不仅需要能够自主执行任务，也需要可靠的评测环境、及时的结果反馈，以及根据反馈调整下一步行动的能力。更进一步，AI 产生的优化成果，还需要能够真正作用于支撑自身运行的系统。 在近期由 NVIDIA Research 推出的备受关注的 GPU 算子性能评测榜单 SOL-ExecBench，为观察这一趋势提供了一个窗口。 这场围绕 GPU Kernel 优化展开的全球竞赛，吸引了 Databricks、SF Tensor、Cursor、Recursive、Geometric 等众多技术团队参与。与传统的代码生成评测不同，SOL-ExecBench 直接将任务放在高性能硬件上运行，要求参赛者提交的 Kernel不仅要通过正确性验证，还要尽可能逼近硬件理论性能上限。 榜单的竞争也在不断升温。据 SF Tensor 于 2026 年 9 月 25 日公布的数据，当时已有 583 支团队累计提交超过 3.1 万次评测，目前榜单还以每 7 分钟左右一次的提交高频率刷新。随着越来越多团队借助 Agent 自动生成、编译、测试和优化底层计算代码，这场竞赛考验的已经不只是 GPU 编程能力，更是如何让 AI 持续完成复杂工程任务的能力。 在这场全球竞逐中，来自中国的 AI 基础设施头部玩家无问芯穹（Infinigence AI）引起了不少关注。无问芯穹搭建了一套面向 GPU 算子优化的 Agent 框架，先后登顶 L1 基础算子、L2 融合算子、Quant 量化算子与 FlashInfer-Bench 推理算子四大赛道。在全部 235 道题目中，以 88 项单题第一位居所有参赛团队之首，超过第二名单题第一数量的 2 倍。 比榜单成绩更值得细究的，是它提供了一个值得关注的观察样本：当 Agent 不仅能够优化算子，还开始尝试优化自身完成任务的方式，AI 基础设施是否有可能从支撑智能运行，进一步走向参与系统的自我改进？ 写算子的 Agent，是如何自我迭代的？ 要构建出能优化 GPU 算子的 Agent，首先要让 AI 找对研究方向。 当 Agent 以性能分数为目标，它的探索可能会偏离算子本身，转而修改评测脚本、访问参考结果，或者利用环境漏洞，这类行为在强化学习中被称为「奖励黑客」。 为了防止 AI 作弊，无问芯穹把工作区、调试区与评测区进行了彻底分离。Agent 在允许联网、但不直接分配 GPU 的工作区里查资料、写代码，通过统一接口提交计算请求，GPU 则由宿主侧调度器统一管理。评测容器对齐官方镜像，调试容器配置性能剖析工具，两类执行容器都禁用网络，结果回传至 Agent，形成了「代码生成 — 评测验证 — 性能分析 — 策略调整」的迭代闭环。 容器隔离、权限控制与受控提交接口共同构成了 Agent 的执行边界，使其能够持续优化候选算子，同时防止 Agent 在自动优化过程中绕过评测约束。 我们知道，Agent 执行任务的成功率可以靠工具来大幅提升，任务的规划则靠的是策略与经验。无问芯穹的系统复用了开源社区 Skills 的专业能力，包括 GPU 编程知识、调试工具使用说明和性能分析方法。与此同时，其构建了一个特殊的框架感知 Skill，负责向 Agent 说明其所处的工作环境：包括如何提交评测、查询凭证、借用 GPU 和读取结果的可用接口和操作边界。这些说明作为持久文件挂载到工作区，Agent 可以按需查阅，无需一直把完整手册保留在上下文中，也避免在优化持续几十轮后，因上下文压缩而丢失操作规范，或重复尝试已经验证不可行的方向。 在探索的过程中，Agent 若验证出有效的策略和失败教训，会连同适用条件一起把经验沉淀进共享记忆，供后续的任务复用。 Skills 与共享 Memory 机制。 在算子怎么写这个问题上，编程抽象会影