# 递归自我改进的经济学：反馈回路还没强到能自我加速，但正在变强

> 原标题：The Economics of Recursive Self-Improvement [pdf]

- 来源：Hacker News 首页
- 发布时间：2026-07-14T01:35:23.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/44133
- 原文：https://elasticity.institute/rsi-paper.pdf

## 摘要

这篇36页的论文把“AI自己改进自己”这件事拆成了可测量的反馈回路。核心结论是：现在的回路强度还不足以让AI能力自己踩油门加速，但回路确实在变强。作者用有向图把AI能力、算法效率、人力和算力之间的互动画了出来，指出最终加速效果取决于每条回路上弹性系数的乘积。他们特别区分了“窄能力”（擅长AI研发基准测试）和“宽能力”（有经济价值），提醒别把两者混为一谈...

## 推荐理由

METR和斯坦福的作者把递归自我改进拆成几条可量化的反馈回路，用有向图和弹性系数来算最终加速效果。核心结论是：现在的回路强度还不足以让AI能力自己踩油门，但回路在变强。他们特别区分了“窄能力”（擅长AI研发基准测试）和“宽能力”（有经济价值），这点很关键——别把刷榜进步当成能落地赚钱。论文是预印本，没有产品绑定，信息密度高但偏学术，所以重要性给78。

## 锐评

这篇论文最值得看的地方，是它没跟你聊科幻，而是把“递归自我改进”拆成了一堆可测量的弹性系数。核心判断很直白：AI能力要自己加速，得看每条反馈回路上这些系数的乘积够不够大。作者用有向图画出了AI能力、算法效率、人力和算力之间的互动，现在的估算结果是乘积还不到1，所以没法形成自我维持的加速。

但这里得打个折。论文里的校准是“信封背面”级别的估算，不是基于某家公司的真实数据做的实证测量。作者自己也列了个愿望清单，希望公司能公开哪些指标，但正文没披露任何实际的企业数据。所以这个“回路还不够强”的结论，更像是一个框架演示，而不是一个定论。

另外，他们特意区分了“窄能力”和“宽能力”，提醒别把模型在AI研发基准测试上变强，直接等同于它有了经济价值。这点很关键，因为很多关于AI加速的讨论都默认这两者是一回事。论文没回答的一个核心问题是：如果回路强度真的跨过了临界点，从“不够强”到“自我加速”的过渡会是平滑的，还是突然的。