# RSI Atlas 文献更新 · 2026-10-28

本期新增 **17 条记录**：11 篇研究论文、2 份技术报告、1 篇综述、2 篇博客、1 个仓库。总目录从 226 增至 **243 条**。7 篇学术条目首次发表于 10 月 20–26 日；其他条目是同日较晚发布或此前遗漏的工作，不统称“最近一周新论文”。日期采用 arXiv 首次提交日期；仓库以核对日期标注。

## 推荐从哪里读

下列推荐是本站根据问题匹配度、实验可解释性和可复用机制作出的阅读判断，不是引用量排名。

| 想研究什么 | 优先阅读 | 具体值得看什么 | 需要一起读的限制 |
|---|---|---|---|
| 让成熟 coding harness 在效果与成本间取舍 | [HarnessPro](../?paper=2610.26770) | 从 Codex / Claude Code 出发，分析、计划、编辑、生成测试四种角色配合修改；保留效果与成本不同的候选 | 每篇实验的开发与正式测试分开；节省的是运行成本，不等于搜索阶段也便宜 |
| 同时更新模型参数与 harness | [Self-HPO](../?paper=2610.22791) | 在搜索 harness 和训练策略模型之间交替；比较自己提修改与外部模型修改 | 部分搜索与训练共用开发题；正式测试独立，不能把开发增益直接当迁移收益 |
| 把改进积累成可组合组件 | [PluginRSI](../?paper=2609.32423) | 把角色、工具、skill、memory 做成可复用插件，区分组件突变与重新组合 | 复用曲线的部分实验会继续优化先前留出题，与冻结后测试不是同一协议 |
| 先改评估器，避免 agent 被错误评分带偏 | [VeriEvolve](../?paper=2610.29005) | 用有挑战性的终态检查评估器，再据此搜索执行流程 | 外部 verifier 仍参与样本入组和漏判筛选；主要证据是同任务适应，不是完全无外部反馈 |
| 从持续产生的新任务中学 | [EvoForesight / DeepEvolve](../?paper=2610.29784) | 预测尚未发生的事件，结果发生后获得可核对答案；参数和 skills 使用不同反馈 | 时间隔离与信息缓存是关键条件；新闻数据仍需检查是否提前暴露结局 |
| 改进“负责改进的算法” | [RSI-Opt](../?paper=2610.32026) | 外层修改优化器 agent 的规则和代码，内层据此提出模型训练优化程序 | 部分迁移下降；等决策次数不等于等算力，缺少某些重置对照 |
| 判断论文是否真的证明递归改进 | [Auditing the Product, Not the Recursion](../?paper=2610.27610) | 把产物变好、选择过程与修改机制变好分开审计 | 属于有范围限制的文献编码，不能当作整个领域的质量排行榜 |
| 学习已进入大模型训练流程的机制 | [Thinking Machines OPD 博客](../?paper=tml-on-policy-distillation) | 学生生成轨迹，教师提供逐 token 分布监督；GLM / DeepSeek 报告明确采用这一类机制 | 固定教师蒸馏本身不等于递归自我改进；博客也明确建立在更早工作之上 |

每篇链接中的 TL;DR、五个直接展示的维度和折叠研究表，均附对应原文章节。原文未公布的角色型号或题数明确注明“未披露”，不补猜测。

## 技术报告到底引用或用了什么

完整结构化记录见 [report-citations.json](report-citations.json)。网站将“明确采用”和“对照评测”独立于 Core / Key 与作者机构标记；悬停标签看范围，展开表格查看原文位置。

- [明确采用的条目](../?reportEvidence=ReportAdopted)
- [作为对照评测的条目](../?reportEvidence=ReportCompared)

| 报告与位置 | 关联工作或系统 | 可以确认的事实 | 不能据此推出什么 |
|---|---|---|---|
| [GLM-5 §3.5](https://arxiv.org/html/2602.15763#S3.SS5) | OPD；MiniLLM、Thinking Machines 博客等 | 明确采用 on-policy 跨阶段蒸馏：旧阶段检查点作教师，提示取自相应 RL 训练集，以恢复旧能力 | 不是博客所有实验数值的复现，也不是单一来源发明了整个机制 |
| [DeepSeek-V4.1 §5.1、§5.2.4](https://arxiv.org/html/2609.19969#S5.SS2.SSS4) | OPD；MiniLLM、Thinking Machines 博客 | 后训练明确包含 OPD，使用 40 多个、可跨训练阶段和架构的教师 | 多教师不等于模型自行决定训练目标或改进规则 |
| [GLM-5 §4.2.5](https://arxiv.org/html/2602.15763#S4.SS2.SSS5) | DAPO | 幻灯片 RL 使用引用 DAPO 的 token 级策略梯度损失；生成轨迹再经质量规则过滤用于微调 | 不能只因出现 self-improving 就归为完整的自主 RSI 系统 |
| [GLM-5 §4.2.2](https://arxiv.org/html/2602.15763#S4.SS2.SSS2) | Harbor | 配套生成任务说明、Docker 环境和测试脚本，以 Harbor 格式构造并验证终端任务 | 构造训练环境，不等于修改 agent 的运行框架 |
| [DeepSeek-V4.1 §5.1.2，图7/8](https://arxiv.org/html/2609.19969#S5.SS1.SSS2) | DSH、Claude Code、OpenCode、Pi | 在多个 harness / 版本中进行 RL 训练；图7使用 DSH Minimal，图8含其他框架及 DSH Standard/PTC | 是在多种框架中训练模型，不是模型已自主进化所有框架 |
| [DeepSeek-V4.1 §5.3.4、附录B.1](https://arxiv.org/html/2609.19969#S5.SS3.SSS4) | 上述框架及 Codex、mini-SWE | 固定模型、任务和解码配置，比较 6 类框架的 8 种配置；附录列版本和工具 | 比较使用不能自动改标为训练采用；当前仓库也不等于当时的定制版本 |
| [GLM-5 §6.1.2](https://arxiv.org/html/2602.15763#S6.SS1.SSS2) | SWE-smith | 在 SWE 评测讨论中引用 | 不能据此确认直接采用了它的数据合成管线 |

版本边界：GLM 仓库虽已链接 GLM-5.3 / 5.3-Flash 发布内容，本轮能核对的完整技术报告是 [GLM-5](https://arxiv.org/abs/2602.15763)，不能冒称为 GLM-5.3 完整报告。DeepSeek 使用 [V4.1-Flash 报告](https://arxiv.org/abs/2609.19969)。GLM-5 §4.2.1 提及 RepoLaunch，但当前 HTML 未解析出对应参考条目，不猜测同名项目。上述报告的相关训练章节未给 DGM、GEPA、Self-Harness 提供明确采用证据，故不添加“报告采用”标签。

**值得 follow 的方向判断：** 两份报告共同凸显可验证任务与环境构造、密集监督、跨 harness 训练。这里的价值在于把改进信号做可靠、把增益迁移到不同系统；它们并不直接支持“某一种递归搜索算法已获大厂验证”。[DeepSeek §6](https://arxiv.org/html/2609.19969#S6)还把模型与 harness 联合进化列为未来方向。

## 小红书收藏发现的线索

本轮通过浏览器查看 RSI 收藏专栏，页面显示 110 条收藏（上次为 106）。核对顶部近期 4 条线索，其中打开阅读 3 条正文；不是逐条重读全部 110 条。

| 收藏线索 | 追溯后的处理 |
|---|---|
| GLM 用 RSI 优化推理 Infra | 新增 [GLM 官方 InfraAgent 博客](../?paper=glm-infra-agent)，保留目标设定、数值正确性检查、性能测试和人类审核的作用 |
| 可演化、可验证的环境很重要 | 新增 [EvoForesight / DeepEvolve](../?paper=2610.29784)，区分预测事件、结果判定、skill 更新与参数训练 |
| Google Harness² | 已在目录中，不重复新增，也不采用收藏标题中的动态 star 数作为质量证据 |
| 唐杰团队兼顾性能与成本的 harness 自改进 | 新增 [HarnessPro](../?paper=2610.26770)，依据论文，而非二手标题填写具体设置 |

[GLM 官方工程博客](https://z.ai/blog/glm-built-its-inference-infrastructure)讲的是 GLM-5.3 InfraAgent 优化 GLM-5.3-Flash 服务：数值参考比较、profiling、微基准和端到端负载测试给反馈，人类设目标并审核关键修改。它是值得研究的工程闭环，文章未公开的基础 harness 不擅自补成 Codex / Claude Code。

## 本期全部新增记录

| 首发／核对日期 | 类型 | 条目 | 原始来源 |
|---|---|---|---|
| 2026-10-28（仓库核对） | 仓库 | [DeepSeek Harness: Everything is a Plugin](../?paper=deepseek-harness) | [原文](https://github.com/deepseek-ai/deepseek-harness) |
| 2026-10-26 | 综述 | [Trustworthy Recursive Self-Improvement in the Era of Large Models: Foundation, Risks, Evaluation and Open Challenges](../?paper=2610.35193) | [原文](https://arxiv.org/html/2610.35193#S1) |
| 2026-10-23 | 研究论文 | [RSI-Opt: Recursive Self-Improvement Optimizer Agents For Model Training](../?paper=2610.32026) | [原文](https://arxiv.org/abs/2610.32026) |
| 2026-10-23 | 研究论文 | [HarnessMM: Recursive Self-Improvement for Harness Token Efficiency](../?paper=2610.32813) | [原文](https://arxiv.org/abs/2610.32813) |
| 2026-10-21 | 研究论文 | [VeriEvolve: Evaluator-First Evolution for Tool-Using Agents](../?paper=2610.29005) | [原文](https://arxiv.org/abs/2610.29005) |
| 2026-10-21 | 研究论文 | [Evolving with Open Worlds: Towards Recursive Self-Improvement for Future Forecasting (EvoForesight / DeepEvolve)](../?paper=2610.29784) | [原文](https://arxiv.org/abs/2610.29784) |
| 2026-10-20 | 研究论文 | [MaD-RSI: Model-as-Data for Recursive Self-Improvement of Agent Harnesses](../?paper=2610.28201) | [原文](https://arxiv.org/abs/2610.28201) |
| 2026-10-20 | 研究论文 | [Auditing the Product, Not the Recursion: The Evaluation Evidence Behind Recursive Self-Improvement Claims](../?paper=2610.27610) | [原文](https://arxiv.org/abs/2610.27610) |
| 2026-10-19 | 研究论文 | [HarnessPro: Recursive Harness Self-Improvement with Pareto Optimization for Performance-Cost Trade-offs](../?paper=2610.26770) | [原文](https://arxiv.org/abs/2610.26770) |
| 2026-10-16 | 研究论文 | [Self-Evolving Coding Agents via Harness-Policy Optimization (Self-HPO)](../?paper=2610.22791) | [原文](https://arxiv.org/abs/2610.22791) |
| 2026-10-14 | 研究论文 | [AdaRSI: On-Demand Recursive Self-Improvement for Embodied Agents](../?paper=2610.20474) | [原文](https://arxiv.org/abs/2610.20474) |
| 2026-10-09 | 研究论文 | [RSI-Anything: Unlocking Recursive Self-Improvement with World Models](../?paper=2610.13912) | [原文](https://arxiv.org/abs/2610.13912) |
| 2026-09-26 | 研究论文 | [PluginRSI: Recursive Improvement of Agent Harnesses with Reusable Plugins](../?paper=2609.32423) | [原文](https://arxiv.org/abs/2609.32423) |
| 2026-09-17 | 技术报告 | [DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression](../?paper=2609.19969) | [原文](https://arxiv.org/html/2609.19969) |
| 2026-09-17 | 博客 | [Toward Recursive Self-Improvement: How GLM Built Its Own Inference Infrastructure](../?paper=glm-infra-agent) | [原文](https://z.ai/blog/glm-built-its-inference-infrastructure) |
| 2026-02-17 | 技术报告 | [GLM-5: from Vibe Coding to Agentic Engineering](../?paper=2602.15763) | [原文](https://arxiv.org/html/2602.15763) |
| 2025-10-27 | 博客 | [On-Policy Distillation — Thinking Machines Lab](../?paper=tml-on-policy-distillation) | [原文](https://thinkingmachines.ai/blog/on-policy-distillation/) |

## 收录与核对范围

本轮沿收藏、作者页面、arXiv 原文及报告参考文献定向扩展，不声称穷尽全部新论文。各条目的 `reviewScope` 说明核对范围；不是独立复现实验。没有原文证据的模型型号、题数、判分器实现不猜测补齐；明确写原文未披露的范围。Core / Key 是阅读优先级，不能替代实验控制或证据强度。

新增工作也已归入现有问题索引、九章综述和问题树：保持“学习信号 → 改动执行系统 → 改进修改机制 → 验证增益”的阅读主线，树中连接表示问题关系，不虚构论文直接继承关系。