OpenAI 公開 RSI 內部資料，確認「自動化研究實習生」已於 2026 年 9 月完成，全功能「AI 研究員」預計 2028 年 3 月就緒。
（前情提要：數值怪 GPT-6 Astra 發布：跑分驚人 OpenAI 喊 AGI 時刻來了（附實測效果））
（背景補充：黃仁勳祝賀 OpenAI GPT-6 Astra：10 萬張 GPU 訓練成軍，宣告 AGI 時代已到來）
OpenAI 近日在官方部落格發表〈研究加速：OpenAI 內部視角〉一文，首次以內部資料公開「遞迴式自我改進」（Recursive Self-Improvement，RSI）的最新進展。文章指出，團隊已達成去年秋天設定的目標，在今年 9 月前打造出一名「自動化研究實習生」，並預計在 2028 年 3 月前完成全功能的「自動化 AI 研究員」，使其能直接參與深度學習與對齊（alignment）研究，透過迭代迴圈持續改進系統。
從「實習生」到「研究員」：OpenAI 的兩階段路線圖
OpenAI 在文章中以內部資料揭示了 RSI 的兩階段路線圖：
- 第一階段（已完成）：「自動化研究實習生」已在 2026 年 9 月前完成。該系統能執行基礎文獻檢索、實驗設計草擬與初步資料分析，減輕研究人員的基礎工作負擔。
- 第二階段（目標 2028 年 3 月）：「自動化 AI 研究員」將具備獨立執行深度學習實驗、對齊研究以及自我迭代改進的能力，不再僅限於輔助角色，而是能作為正式研究團隊成員參與核心開發。
OpenAI 在官方部落格文章中強調，RSI 的核心機制是「AI 系統設計實驗 → 執行實驗 → 分析結果 → 改進自身模型」的閉環。每一輪迭代都讓系統的研究能力更上一層樓，形成指數級的加速效應。
RSI 是什麼？為何它被視為 AI 研究加速的關鍵
遞迴式自我改進（RSI）的概念最早由 AI 先驅馮·紐曼提出，指 AI 系統透過修改自身架構或引數來提升效能的能力。OpenAI 此次公開的 RSI 進展，代表 AI 不再只是「被研究」的物件，而是能「自我研究」的主體。
此模式與 OpenAI 近期的 GPT-6 Astra 發布呼應。Astra 在超過 10 萬張 NVIDIA Grace Blackwell NVLink72 顯示卡上訓練而成，從 ChatGPT 到 O1 再到 Astra，歷時約 4 年。若 RSI 路線圖如期實現，下一代模型的研發週期將大幅縮短。
業界觀點：RSI 不只是一個技術路標
OpenAI 此次以內部資料公開 RSI 進展，而非僅停留在概念階段，顯示團隊對該方向具備一定信心。TechCrunch 在 5 月的分析中指出，RSI 已成為新的「AGI 指標」，當 AI 能自主改進研究流程，AGI 的距離就不再是線性的。
對臺灣 AI 產業而言，RSI 路線圖同樣具有參考價值。目前臺灣新創多專注於 AI Agent 應用層，但 RSI 的底層邏輯，AI 自我迭代，正是下一代 Agent 的核心能力。當自動化研究員能獨立執行實驗與分析，臺灣的 AI 研發流程也可能迎來類似的效率躍升。
📍相關報導📍
Openai 大方送：GPT-6 Astra 每晚一天開放付費使用者，就送一次重置額度
