让模型自主生成训练数据、改写提示词、修复代码，这条路径被称为递归自我改进RSI。然而，现有系统多采用单一视角，结构僵化。为突破这一瓶颈，CosmosMind联合斯坦福、伯克利、MIT、清华及北大等十余所海内外高校，发布了全球首个统一Model-RSI、Data-RSI、Harness-RSI的元递归架构MetaRSI-v1，标志着RSI正式迈入“平方时代”。
MetaRSI-v1在无外部教师干预下，令一个30亿激活参数的小模型在四项基准测试中平均提升10.9分，并使GPT-5.6、Claude Opus 5等六款前沿旗舰模型平均提升7.3分。这背后，MetaRSI-v1提供了一套统一的架构语言：包含一个内核、两条编排轴、三个算子、元RSI层及五大定律。
MetaRSI-v1提出的统一Loop Kernel范式，首次将“进步机制”抽象为与具体对象无关的闭环：模型消费反馈信号，在Data、Harness或Model上提出改动，交由验证器裁决，并将结果回流为下一轮信号。这使得Data、Harness、Model能够统一为同一Kernel的不同实例，实现了自我改进底层骨架的可组合与可复用。
在统一Kernel的基础上，MetaRSI-v1在三个维度展开自我改进：Data-RSI负责从运行轨迹提取信号，合成数据并标定能力边界；Harness-RSI利用反馈信号在System Prompt、Skill、MCP、Tools、Memory五个槽位上做加减法；Model-RSI则更新模型参数，将有效行为内化。
纵横双向优化让改进找到最优路径。横轴负责编排算子应用顺序，RSI² Agent根据反馈选定下一个算子；纵轴负责优化算子内部策略，RSI² Agent向Sub-Agent下发指令，改写算子规则。
架构由四个Agent协调运作：MetaRSI² Agent优化策略学习，RSI² Agent负责决策编排，RSI² Sub-Agent调整算子策略，Transition Agent衔接上下游。这构成了三层递进：算子改进目标系统，双轴编排改进算子用法，元层改进编排策略本身。
实验分两条路线验证：小模型路线启用全部算子，Qwen3.5-35B-A3B在多项基准上平均提升10.9分；前沿模型路线仅启用Data与Harness，六款顶级模型平均提升7.3分。数据证明MetaRSI范式对大小模型均有效。
MetaRSI提炼出五条定律：其一，验证决定改进闭环的成立；其二，自我认知会过期，重新发现边界是瓶颈；其三，能力与载体无关但成本有关，成熟循环会将能力迁移至更廉价的载体；其四，可信度由不可见面度量，放宽标准会与能力提升产生相同分数；其五，循环不凭空创造能力，增益源于外部信息熵输入或潜能激发。
环环相扣，终成文明。CosmosMind团队致力于为每个科学领域构建进化闭环。团队已开源RSI-Harness，并计划将视线投向物理世界，利用自动化实验室等可编程仪器，将“从假设到验证”的循环速度推向极致。AI将不再仅仅是解题工具，而将成为文明级的进化引擎。