2030 年前，AI 会实现改进者能力持续增强的递归自我改进吗？

作者于2026-11-01要求处理上线后遗留的审核措辞：移除支持、反对与更新信号段落中的候选/待审核前缀，澄清更新信号不是已发生的概率修订。仅编辑表述；不增加科学结论，不改变判定合同、初始概率、发布时间或原始快照。

{"prediction_id":"0010","at":"2026-11-01T15:50:09.006Z","field":"body","before":"**English Title:** Will AI demonstrate recursive self-improvement in its own ability to improve AI by 2030?\n\n## Probability Rationale\n\n我认为 AI 自主研究与自我改进能力将持续提高，但真正实现后继系统自主接管研究，并使改进 AI 的能力本身持续增强、形成可独立验证的递归闭环，仍存在重要技术不确定性。\n\n## Supporting Evidence\n\n*候选支持分析，待作者审核。* 保留[Darwin Gödel Machine](https://arxiv.org/abs/2505.22954v3)作为持久代码自修改与代际选择的真实实例，不因其基础模型冻结而否认系统层改进。新增[AIDE²原论文](https://arxiv.org/abs/2609.26457v1)：已有持续harness改进、外部迁移与把发现的代理用作改进者的实验。因此“代码能连续变好”已不是充分的新预测内容。\n\n研究编辑推断：系统层也可能产生真正递归能力，关键是新研究者是否比旧研究者更能产生下一代，而不是权重是否变化。不能把改进模型权重当作未经论证的唯一实现形式。\n\n## Counterarguments\n\n*候选反对分析，待作者审核。* 固定优化者可以不断生成更好的被优化物，不能仅据此证明优化者本身变强。[AIDE²的Ignition test](https://arxiv.org/html/2609.26457v1#S3.SS6)明确报告，已发现代理与强参考改进者之间的改进效率差异尚不确定。不能写成完全没有后继回馈，也不能把不确定结果当已证实递归增强。\n\n原[Anthropic机构报告](https://www.anthropic.com/institute/recursive-self-improvement)仍是研发参与的第一方背景，而非独立认证。外测被用来选择候选、增加计算/数据或忽略失败，都可能造成伪增益。单个科研项目成功也不能替代跨项目研究能力的测量。\n\n## What Would Change My Mind?\n\n*候选更新信号，待作者审核。* 后继角色交换、独立研究项目上的同预算比较、完整失败谱系和可重放审计将增强这一判断；当改进者换回固定S0后仍能解释所有进步，或保持模型/数据/资源一致后增益消失，则削弱这一判断。现有符合完整合同的结果也必须被承认，不为让问题保留“未来性”而排除。\n\n## Approved Resolution Contract\n\n截至2030年底，存在一条AI研究系统S0→S1→S2→S3谱系：后继实际接管下一代关键研发，且同预算独立角色交换证明每代自主改进AI的成功率提升，并被独立新项目复核。符合全部六项为Yes，否则到核验截止按固定方法检索复核为No。\n\n1. 至少S0→S1→S2→S3三个连续有效转移。S0、S1、S2各实际提出、实现并选择其直接后继的关键改进，四个完整系统版本可重建；允许权重、训练、算法或持久Agent Harness变化，不要求智能爆炸。\n2. 关键研究者确实换代。链内有提出假设、设计实验、分析失败、实现和选择后继的完整记录；同一个未变的外层强模型不能代办。固定安全沙箱、评分器和档案管理可保留，人类只设初始目标与安全边界，不能逐代救场或选关键赢家。\n3. 角色交换：在链和选择规则封存后，按三任务族各1/3概率独立抽取陌生AI研发项目：模型/训练工程、算法优化、研究Harness。样本量与种子由独立评测方在见结果前冻结，每套三族必须均有覆盖；抽样一次固定，不因缺覆盖或失败结果补抽。每项目由S0–S3分别改进同一B_j，各交一个最终工件；完整运行超时、超预算或人工接管记失败。\n4. 改进者能力U_g为全部独立项目中产出合格改进的比例，目标为三族等概率混合，不将种子当独立项目。三相邻U差值均为正；开发方盲测三对和独立方新项目三对共六个预定两侧精确McNemar检验，全部p≤0.05/6。每族结果披露，但不额外要求每族逐代都显著；最终累计正增益由三相邻提升蕴含。\n5. 资源公平与外测隔离：每个配对项目的起始系统、环境种子、硬件/工具/数据许可、研究搜索/训练/推理总预算及人工边界相同。底座版本先封存，不用外部换强模型或逐代加卡解释增长；后继自身设计的权重训练允许，但其成本计入该次研究预算。独立外测不回传生成/选链，所有候选和失败保留。\n6. 至少一家无开发者控制、无结果挂钩报酬的机构审计完整链，并在其自行一次抽取的新盲测项目和种子上独立完成四代角色交换及三相邻验证；不只重放有利分数。三代能力与生成事实在2030前形成，2031可审计和重跑封存版本，但不能新增代际或训练来补足。\n\n**No:** 到2031-06-29，完成预定论文/代码/独立评测与原始记录检索，仍无满足全部必要条件的可核验链即No。一般Agent变好、单榜进步、固定外层优化、只有最终代更强、统计证据不足、审计不可取都不能单独Yes。小样本不显著不等于证明能力不存在，但本题要求可独立验证的成功事件，不能永久等待秘密研究。\n\n## What Does NOT Count?\n\n- 固定不变外层优化器不断改进子系统\n- Prompt优化、自我反思或一次训练作为全部证据\n- 只报告单榜、最终代或三个不相邻高分节点\n- 换更强外部底座、加预算、人工每代选关键赢家\n- 使用外测成绩生成/选链、按p值停试或补样\n- 把未报告当已失败，或为排除已有成果临时强制权重更新/智能爆炸\n\n## Independent Verification\n\n固定检索arXiv、原作者论文/代码及其独立复核报告，关键词recursive self-improvement、self-modifying agents、AI4AI及中文等价词，列出候选/排除条款，不凭机构宣言。对候选封存祖先链、全部生成/失败/预算日志、外测访问与选链时间；由无控制关系的独立机构查验私有系统并公开可复算汇总与利益冲突。合格项目有可执行B_j、冻结主指标/外测、同一资源上限；质量型任务要求真实主性能改善而非评分器被改写，连续/随机指标须按见候选前固定的配对区间证明正收益，确定性任务须超过原量表报告精度且通过所有关键约束。效率型任务仅在其原章程已预定同质量验收时可计，不能事后发明非劣效margin。原测试有公认合格改进线则不能降低。N由独立方根据已公开或独立试点的合理备择与预算在见结果前固定并披露，不宣称未经计算的80%功效；若N不能产生证据，不撤门槛或添项目。每代每项目一次完整研究运行和一个最终工件，环境/评测种子共同且外测种子独立隐藏；内部重试消耗原总预算。\n\nT2030年底要求真实连续三代及其研究能力已形成。V为2031-06-29，允许独立方在T前封存系统上产生新的核验观察；不允许新训练/后继补齐谱系。迟发论文须有版本、注册、日志和工件时间证据。T前证据协议与选链先封存，V前30日公开候选表接受异议，V收件封存后仅行政判定。\n\n**限定不可判定/取消：** 仅预先有合法访问及保全安排的关键材料遭独立确认不可抗力毁失，或同一关键证据重大冲突按冻结复核仍无法消解时，可依通则公开取消理由、排除Brier。被测系统表现差、样本小、没有三代、普通保密或拒审均非取消理由。无法建立合法测量路径须在发布前BLOCKED，不能到结果不利再撤题。\n\n## Thresholds and Operational Protocol\n\n### 三个连续有效转移，四个研究系统S0–S3\n\n直接表达作者的后继继续改进，而非一次优化；不把指数爆炸、超过人类或特定实现形式另加为必要条件。\n\n祖先链、工件指纹与实际研发贡献日志可独立审计；节点编号或三个不相邻高分不等于三次有效转移。\n\n### 三族各1/3抽样概率；U为独立项目成功比例\n\n以固定目标混合分布避免只挑某个编码榜。并不主张三族构成全部AI研究，亦不要求每族逐代均显著。等概率是合同设计，不是领域共识。\n\n独立项目生成/抽取种子、项目身份、全部抽样和分族结果公开。三族未覆盖则该套测试不合格，不按结果补抽；项目之间共享同一问题/数据模板的伪重复不可当独立单位。\n\n### 六个预定配对比较均方向正，精确双侧p≤0.05/6\n\n三相邻改进在原盲测及独立新项目中都复核，Bonferroni控制六比较总一类错误率≤5%。删除无共同量表依据的固定5个百分点，不取消误差控制或独立复制。\n\n逐项目四个二元结果可复算：b为前代失败/后代成功，c反之，m=b+c；m=0时p=1，否则p=min(1,2×Σ[k=0..min(b,c)]C(m,k)2^(-m))，并要求b>c。三族仅作描述，无事后多次选指标。\n\n### 不再固定每族20项目或声称80%规划功效\n\n旧60项目无法保证5pp功效，N应由可用任务、真实备择和预算在盲测前决定；多加种子不等于多独立项目。不是减少样本以促成发布。\n\n公开一次锁定N、预算及设计依据，失败/缺失均计0，禁止看到有利p值就停或不利后补样。功效不足只意味着未证明本事件，不是能力不存在。\n\n### 180个完整日核验，V2031-06-29\n\n容纳受控系统访问和独立角色交换，不能给额外研发时间。\n\n封存版本、三代生成时间、注册计划和新核验项目日期分开记录。\n\n## Evidence Sources\n\n- [arXiv原论文及版本历史：RSI/AI4AI检索](https://arxiv.org/)\n- [DGM v3原论文](https://arxiv.org/abs/2505.22954v3)\n- [DGM原作者代码](https://github.com/jennyzzt/dgm)\n- [AIDE² v1原论文及Ignition试验](https://arxiv.org/html/2609.26457v1#S3.SS6)\n- [RSIAgent原论文，作为邻近工作](https://arxiv.org/abs/2609.15364v1)\n- [SciPy官方精确二项检验定义](https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.binomtest.html)\n\n## Shared Settlement Protocol\n\n所有条件必须在事件截止T前实际成立；核验截止V只接收或审计T前事实，可重放T前封存系统，不补新能力、用户或临床随访。两名无开发方控制关系、披露专业资格与利益冲突的审核者分别逐条映射证据，异议交无利益冲突第三审核者复核；公开候选与排除理由、检索记录和审查结论。来源依次为预注册/原始运行与受控独立审计、原始论文及监管/官方统计；营销材料只作线索。固定检索覆盖各卡来源及其官方继承库，自研究基线日至T；V前30日公示暂定清单，V为接收截止。V末无独立可核验的完整事件通常No，秘密项目或拒审不永久延期。仅限原先保全后客观毁失、无法消解的关键证据冲突或不可预见且无法用冻结替代路径处理的构念失效，才可由独立审查说明不可判定并排除Brier；发布前已知不可执行须先BLOCKED。首次合同及附件原文冻结，后续网页解释不改变原计分合同。全部为未批准候选，本轮不填概率、不发布。\n\n以上通则末句的候选状态属于P5当时记录；合同内容已获作者批准，判定条款保持原文。\n\n**Contract version:** P5-0010-R1\n\n**Contract SHA-256:** 8a655866e7c1075074ef4b042b9f8447af7273bbdc067a27703094b78c89ab2d\n","after":"**English Title:** Will AI demonstrate recursive self-improvement in its own ability to improve AI by 2030?\n\n## Probability Rationale\n\n我认为 AI 自主研究与自我改进能力将持续提高，但真正实现后继系统自主接管研究，并使改进 AI 的能力本身持续增强、形成可独立验证的递归闭环，仍存在重要技术不确定性。\n\n## Supporting Evidence\n\n保留[Darwin Gödel Machine](https://arxiv.org/abs/2505.22954v3)作为持久代码自修改与代际选择的真实实例，不因其基础模型冻结而否认系统层改进。新增[AIDE²原论文](https://arxiv.org/abs/2609.26457v1)：已有持续harness改进、外部迁移与把发现的代理用作改进者的实验。因此“代码能连续变好”已不是充分的新预测内容。\n\n研究编辑推断：系统层也可能产生真正递归能力，关键是新研究者是否比旧研究者更能产生下一代，而不是权重是否变化。不能把改进模型权重当作未经论证的唯一实现形式。\n\n## Counterarguments\n\n固定优化者可以不断生成更好的被优化物，不能仅据此证明优化者本身变强。[AIDE²的Ignition test](https://arxiv.org/html/2609.26457v1#S3.SS6)明确报告，已发现代理与强参考改进者之间的改进效率差异尚不确定。不能写成完全没有后继回馈，也不能把不确定结果当已证实递归增强。\n\n原[Anthropic机构报告](https://www.anthropic.com/institute/recursive-self-improvement)仍是研发参与的第一方背景，而非独立认证。外测被用来选择候选、增加计算/数据或忽略失败，都可能造成伪增益。单个科研项目成功也不能替代跨项目研究能力的测量。\n\n## What Would Change My Mind?\n\n后继角色交换、独立研究项目上的同预算比较、完整失败谱系和可重放审计将增强这一判断；当改进者换回固定S0后仍能解释所有进步，或保持模型/数据/资源一致后增益消失，则削弱这一判断。现有符合完整合同的结果也必须被承认，不为让问题保留“未来性”而排除。\n\n## Approved Resolution Contract\n\n截至2030年底，存在一条AI研究系统S0→S1→S2→S3谱系：后继实际接管下一代关键研发，且同预算独立角色交换证明每代自主改进AI的成功率提升，并被独立新项目复核。符合全部六项为Yes，否则到核验截止按固定方法检索复核为No。\n\n1. 至少S0→S1→S2→S3三个连续有效转移。S0、S1、S2各实际提出、实现并选择其直接后继的关键改进，四个完整系统版本可重建；允许权重、训练、算法或持久Agent Harness变化，不要求智能爆炸。\n2. 关键研究者确实换代。链内有提出假设、设计实验、分析失败、实现和选择后继的完整记录；同一个未变的外层强模型不能代办。固定安全沙箱、评分器和档案管理可保留，人类只设初始目标与安全边界，不能逐代救场或选关键赢家。\n3. 角色交换：在链和选择规则封存后，按三任务族各1/3概率独立抽取陌生AI研发项目：模型/训练工程、算法优化、研究Harness。样本量与种子由独立评测方在见结果前冻结，每套三族必须均有覆盖；抽样一次固定，不因缺覆盖或失败结果补抽。每项目由S0–S3分别改进同一B_j，各交一个最终工件；完整运行超时、超预算或人工接管记失败。\n4. 改进者能力U_g为全部独立项目中产出合格改进的比例，目标为三族等概率混合，不将种子当独立项目。三相邻U差值均为正；开发方盲测三对和独立方新项目三对共六个预定两侧精确McNemar检验，全部p≤0.05/6。每族结果披露，但不额外要求每族逐代都显著；最终累计正增益由三相邻提升蕴含。\n5. 资源公平与外测隔离：每个配对项目的起始系统、环境种子、硬件/工具/数据许可、研究搜索/训练/推理总预算及人工边界相同。底座版本先封存，不用外部换强模型或逐代加卡解释增长；后继自身设计的权重训练允许，但其成本计入该次研究预算。独立外测不回传生成/选链，所有候选和失败保留。\n6. 至少一家无开发者控制、无结果挂钩报酬的机构审计完整链，并在其自行一次抽取的新盲测项目和种子上独立完成四代角色交换及三相邻验证；不只重放有利分数。三代能力与生成事实在2030前形成，2031可审计和重跑封存版本，但不能新增代际或训练来补足。\n\n**No:** 到2031-06-29，完成预定论文/代码/独立评测与原始记录检索，仍无满足全部必要条件的可核验链即No。一般Agent变好、单榜进步、固定外层优化、只有最终代更强、统计证据不足、审计不可取都不能单独Yes。小样本不显著不等于证明能力不存在，但本题要求可独立验证的成功事件，不能永久等待秘密研究。\n\n## What Does NOT Count?\n\n- 固定不变外层优化器不断改进子系统\n- Prompt优化、自我反思或一次训练作为全部证据\n- 只报告单榜、最终代或三个不相邻高分节点\n- 换更强外部底座、加预算、人工每代选关键赢家\n- 使用外测成绩生成/选链、按p值停试或补样\n- 把未报告当已失败，或为排除已有成果临时强制权重更新/智能爆炸\n\n## Independent Verification\n\n固定检索arXiv、原作者论文/代码及其独立复核报告，关键词recursive self-improvement、self-modifying agents、AI4AI及中文等价词，列出候选/排除条款，不凭机构宣言。对候选封存祖先链、全部生成/失败/预算日志、外测访问与选链时间；由无控制关系的独立机构查验私有系统并公开可复算汇总与利益冲突。合格项目有可执行B_j、冻结主指标/外测、同一资源上限；质量型任务要求真实主性能改善而非评分器被改写，连续/随机指标须按见候选前固定的配对区间证明正收益，确定性任务须超过原量表报告精度且通过所有关键约束。效率型任务仅在其原章程已预定同质量验收时可计，不能事后发明非劣效margin。原测试有公认合格改进线则不能降低。N由独立方根据已公开或独立试点的合理备择与预算在见结果前固定并披露，不宣称未经计算的80%功效；若N不能产生证据，不撤门槛或添项目。每代每项目一次完整研究运行和一个最终工件，环境/评测种子共同且外测种子独立隐藏；内部重试消耗原总预算。\n\nT2030年底要求真实连续三代及其研究能力已形成。V为2031-06-29，允许独立方在T前封存系统上产生新的核验观察；不允许新训练/后继补齐谱系。迟发论文须有版本、注册、日志和工件时间证据。T前证据协议与选链先封存，V前30日公开候选表接受异议，V收件封存后仅行政判定。\n\n**限定不可判定/取消：** 仅预先有合法访问及保全安排的关键材料遭独立确认不可抗力毁失，或同一关键证据重大冲突按冻结复核仍无法消解时，可依通则公开取消理由、排除Brier。被测系统表现差、样本小、没有三代、普通保密或拒审均非取消理由。无法建立合法测量路径须在发布前BLOCKED，不能到结果不利再撤题。\n\n## Thresholds and Operational Protocol\n\n### 三个连续有效转移，四个研究系统S0–S3\n\n直接表达作者的后继继续改进，而非一次优化；不把指数爆炸、超过人类或特定实现形式另加为必要条件。\n\n祖先链、工件指纹与实际研发贡献日志可独立审计；节点编号或三个不相邻高分不等于三次有效转移。\n\n### 三族各1/3抽样概率；U为独立项目成功比例\n\n以固定目标混合分布避免只挑某个编码榜。并不主张三族构成全部AI研究，亦不要求每族逐代均显著。等概率是合同设计，不是领域共识。\n\n独立项目生成/抽取种子、项目身份、全部抽样和分族结果公开。三族未覆盖则该套测试不合格，不按结果补抽；项目之间共享同一问题/数据模板的伪重复不可当独立单位。\n\n### 六个预定配对比较均方向正，精确双侧p≤0.05/6\n\n三相邻改进在原盲测及独立新项目中都复核，Bonferroni控制六比较总一类错误率≤5%。删除无共同量表依据的固定5个百分点，不取消误差控制或独立复制。\n\n逐项目四个二元结果可复算：b为前代失败/后代成功，c反之，m=b+c；m=0时p=1，否则p=min(1,2×Σ[k=0..min(b,c)]C(m,k)2^(-m))，并要求b>c。三族仅作描述，无事后多次选指标。\n\n### 不再固定每族20项目或声称80%规划功效\n\n旧60项目无法保证5pp功效，N应由可用任务、真实备择和预算在盲测前决定；多加种子不等于多独立项目。不是减少样本以促成发布。\n\n公开一次锁定N、预算及设计依据，失败/缺失均计0，禁止看到有利p值就停或不利后补样。功效不足只意味着未证明本事件，不是能力不存在。\n\n### 180个完整日核验，V2031-06-29\n\n容纳受控系统访问和独立角色交换，不能给额外研发时间。\n\n封存版本、三代生成时间、注册计划和新核验项目日期分开记录。\n\n## Evidence Sources\n\n- [arXiv原论文及版本历史：RSI/AI4AI检索](https://arxiv.org/)\n- [DGM v3原论文](https://arxiv.org/abs/2505.22954v3)\n- [DGM原作者代码](https://github.com/jennyzzt/dgm)\n- [AIDE² v1原论文及Ignition试验](https://arxiv.org/html/2609.26457v1#S3.SS6)\n- [RSIAgent原论文，作为邻近工作](https://arxiv.org/abs/2609.15364v1)\n- [SciPy官方精确二项检验定义](https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.binomtest.html)\n\n## Shared Settlement Protocol\n\n所有条件必须在事件截止T前实际成立；核验截止V只接收或审计T前事实，可重放T前封存系统，不补新能力、用户或临床随访。两名无开发方控制关系、披露专业资格与利益冲突的审核者分别逐条映射证据，异议交无利益冲突第三审核者复核；公开候选与排除理由、检索记录和审查结论。来源依次为预注册/原始运行与受控独立审计、原始论文及监管/官方统计；营销材料只作线索。固定检索覆盖各卡来源及其官方继承库，自研究基线日至T；V前30日公示暂定清单，V为接收截止。V末无独立可核验的完整事件通常No，秘密项目或拒审不永久延期。仅限原先保全后客观毁失、无法消解的关键证据冲突或不可预见且无法用冻结替代路径处理的构念失效，才可由独立审查说明不可判定并排除Brier；发布前已知不可执行须先BLOCKED。首次合同及附件原文冻结，后续网页解释不改变原计分合同。全部为未批准候选，本轮不填概率、不发布。\n\n以上通则末句的候选状态属于P5当时记录；合同内容已获作者批准，判定条款保持原文。\n\n**Contract version:** P5-0010-R1\n\n**Contract SHA-256:** 8a655866e7c1075074ef4b042b9f8447af7273bbdc067a27703094b78c89ab2d\n","reason":"作者于2026-11-01要求处理上线后遗留的审核措辞：移除支持、反对与更新信号段落中的候选/待审核前缀，澄清更新信号不是已发生的概率修订。仅编辑表述；不增加科学结论，不改变判定合同、初始概率、发布时间或原始快照。"}

{"prediction_id":"0010","registered_at":"2026-10-27T03:59:48.055Z","original":{"prediction_id":"0010","title":"2030 年前，AI 会实现改进者能力持续增强的递归自我改进吗？","category":"research","tags":["cohort-2026","topic-rsi","RSI","AI4AI"],"initial_probability":0.45,"created_at":"2026-10-27T03:59:48.055Z","published_at":"2026-10-27T03:59:48.055Z","closes_at":"2030-12-31T23:59:59+08:00","resolves_at":"2031-06-29T23:59:59+08:00","criteria":{"yes":"截至2030年底，存在一条AI研究系统S0→S1→S2→S3谱系：后继实际接管下一代关键研发，且同预算独立角色交换证明每代自主改进AI的成功率提升，并被独立新项目复核。符合全部六项为Yes，否则到核验截止按固定方法检索复核为No。\n1. 至少S0→S1→S2→S3三个连续有效转移。S0、S1、S2各实际提出、实现并选择其直接后继的关键改进，四个完整系统版本可重建；允许权重、训练、算法或持久Agent Harness变化，不要求智能爆炸。\n2. 关键研究者确实换代。链内有提出假设、设计实验、分析失败、实现和选择后继的完整记录；同一个未变的外层强模型不能代办。固定安全沙箱、评分器和档案管理可保留，人类只设初始目标与安全边界，不能逐代救场或选关键赢家。\n3. 角色交换：在链和选择规则封存后，按三任务族各1/3概率独立抽取陌生AI研发项目：模型/训练工程、算法优化、研究Harness。样本量与种子由独立评测方在见结果前冻结，每套三族必须均有覆盖；抽样一次固定，不因缺覆盖或失败结果补抽。每项目由S0–S3分别改进同一B_j，各交一个最终工件；完整运行超时、超预算或人工接管记失败。\n4. 改进者能力U_g为全部独立项目中产出合格改进的比例，目标为三族等概率混合，不将种子当独立项目。三相邻U差值均为正；开发方盲测三对和独立方新项目三对共六个预定两侧精确McNemar检验，全部p≤0.05/6。每族结果披露，但不额外要求每族逐代都显著；最终累计正增益由三相邻提升蕴含。\n5. 资源公平与外测隔离：每个配对项目的起始系统、环境种子、硬件/工具/数据许可、研究搜索/训练/推理总预算及人工边界相同。底座版本先封存，不用外部换强模型或逐代加卡解释增长；后继自身设计的权重训练允许，但其成本计入该次研究预算。独立外测不回传生成/选链，所有候选和失败保留。\n6. 至少一家无开发者控制、无结果挂钩报酬的机构审计完整链，并在其自行一次抽取的新盲测项目和种子上独立完成四代角色交换及三相邻验证；不只重放有利分数。三代能力与生成事实在2030前形成，2031可审计和重跑封存版本，但不能新增代际或训练来补足。","no":"到2031-06-29，完成预定论文/代码/独立评测与原始记录检索，仍无满足全部必要条件的可核验链即No。一般Agent变好、单榜进步、固定外层优化、只有最终代更强、统计证据不足、审计不可取都不能单独Yes。小样本不显著不等于证明能力不存在，但本题要求可独立验证的成功事件，不能永久等待秘密研究。","sources":["https://arxiv.org/","https://arxiv.org/abs/2505.22954v3","https://github.com/jennyzzt/dgm","https://arxiv.org/html/2609.26457v1#S3.SS6","https://arxiv.org/abs/2609.15364v1","https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.binomtest.html"],"ambiguity":"仅预先有合法访问及保全安排的关键材料遭独立确认不可抗力毁失，或同一关键证据重大冲突按冻结复核仍无法消解时，可依通则公开取消理由、排除Brier。被测系统表现差、样本小、没有三代、普通保密或拒审均非取消理由。无法建立合法测量路径须在发布前BLOCKED，不能到结果不利再撤题。\n不计成功：固定不变外层优化器不断改进子系统；Prompt优化、自我反思或一次训练作为全部证据；只报告单榜、最终代或三个不相邻高分节点；换更强外部底座、加预算、人工每代选关键赢家；使用外测成绩生成/选链、按p值停试或补样；把未报告当已失败，或为排除已有成果临时强制权重更新/智能爆炸\n三个连续有效转移，四个研究系统S0–S3：直接表达作者的后继继续改进，而非一次优化；不把指数爆炸、超过人类或特定实现形式另加为必要条件。 核验：祖先链、工件指纹与实际研发贡献日志可独立审计；节点编号或三个不相邻高分不等于三次有效转移。\n三族各1/3抽样概率；U为独立项目成功比例：以固定目标混合分布避免只挑某个编码榜。并不主张三族构成全部AI研究，亦不要求每族逐代均显著。等概率是合同设计，不是领域共识。 核验：独立项目生成/抽取种子、项目身份、全部抽样和分族结果公开。三族未覆盖则该套测试不合格，不按结果补抽；项目之间共享同一问题/数据模板的伪重复不可当独立单位。\n六个预定配对比较均方向正，精确双侧p≤0.05/6：三相邻改进在原盲测及独立新项目中都复核，Bonferroni控制六比较总一类错误率≤5%。删除无共同量表依据的固定5个百分点，不取消误差控制或独立复制。 核验：逐项目四个二元结果可复算：b为前代失败/后代成功，c反之，m=b+c；m=0时p=1，否则p=min(1,2×Σ[k=0..min(b,c)]C(m,k)2^(-m))，并要求b>c。三族仅作描述，无事后多次选指标。\n不再固定每族20项目或声称80%规划功效：旧60项目无法保证5pp功效，N应由可用任务、真实备择和预算在盲测前决定；多加种子不等于多独立项目。不是减少样本以促成发布。 核验：公开一次锁定N、预算及设计依据，失败/缺失均计0，禁止看到有利p值就停或不利后补样。功效不足只意味着未证明本事件，不是能力不存在。\n180个完整日核验，V2031-06-29：容纳受控系统访问和独立角色交换，不能给额外研发时间。 核验：封存版本、三代生成时间、注册计划和新核验项目日期分开记录。\n所有条件必须在事件截止T前实际成立；核验截止V只接收或审计T前事实，可重放T前封存系统，不补新能力、用户或临床随访。两名无开发方控制关系、披露专业资格与利益冲突的审核者分别逐条映射证据，异议交无利益冲突第三审核者复核；公开候选与排除理由、检索记录和审查结论。来源依次为预注册/原始运行与受控独立审计、原始论文及监管/官方统计；营销材料只作线索。固定检索覆盖各卡来源及其官方继承库，自研究基线日至T；V前30日公示暂定清单，V为接收截止。V末无独立可核验的完整事件通常No，秘密项目或拒审不永久延期。仅限原先保全后客观毁失、无法消解的关键证据冲突或不可预见且无法用冻结替代路径处理的构念失效，才可由独立审查说明不可判定并排除Brier；发布前已知不可执行须先BLOCKED。首次合同及附件原文冻结，后续网页解释不改变原计分合同。全部为未批准候选，本轮不填概率、不发布。","completion":"固定检索arXiv、原作者论文/代码及其独立复核报告，关键词recursive self-improvement、self-modifying agents、AI4AI及中文等价词，列出候选/排除条款，不凭机构宣言。对候选封存祖先链、全部生成/失败/预算日志、外测访问与选链时间；由无控制关系的独立机构查验私有系统并公开可复算汇总与利益冲突。合格项目有可执行B_j、冻结主指标/外测、同一资源上限；质量型任务要求真实主性能改善而非评分器被改写，连续/随机指标须按见候选前固定的配对区间证明正收益，确定性任务须超过原量表报告精度且通过所有关键约束。效率型任务仅在其原章程已预定同质量验收时可计，不能事后发明非劣效margin。原测试有公认合格改进线则不能降低。N由独立方根据已公开或独立试点的合理备择与预算在见结果前固定并披露，不宣称未经计算的80%功效；若N不能产生证据，不撤门槛或添项目。每代每项目一次完整研究运行和一个最终工件，环境/评测种子共同且外测种子独立隐藏；内部重试消耗原总预算。\nT2030年底要求真实连续三代及其研究能力已形成。V为2031-06-29，允许独立方在T前封存系统上产生新的核验观察；不允许新训练/后继补齐谱系。迟发论文须有版本、注册、日志和工件时间证据。T前证据协议与选链先封存，V前30日公开候选表接受异议，V收件封存后仅行政判定。"},"permalink":"/predictions/0010/","excerpt":"截至2030年底，存在一条AI研究系统S0→S1→S2→S3谱系：后继实际接管下一代关键研发，且同预算独立角色交换证明每代自主改进AI的成功率提升，并被独立新项目复核。符合全部六项为Yes，否则到核验截止按固定方法检索复核为No。","body":"**English Title:** Will AI demonstrate recursive self-improvement in its own ability to improve AI by 2030?\n\n## Probability Rationale\n\n我认为 AI 自主研究与自我改进能力将持续提高，但真正实现后继系统自主接管研究，并使改进 AI 的能力本身持续增强、形成可独立验证的递归闭环，仍存在重要技术不确定性。\n\n## Supporting Evidence\n\n*候选支持分析，待作者审核。* 保留[Darwin Gödel Machine](https://arxiv.org/abs/2505.22954v3)作为持久代码自修改与代际选择的真实实例，不因其基础模型冻结而否认系统层改进。新增[AIDE²原论文](https://arxiv.org/abs/2609.26457v1)：已有持续harness改进、外部迁移与把发现的代理用作改进者的实验。因此“代码能连续变好”已不是充分的新预测内容。\n\n研究编辑推断：系统层也可能产生真正递归能力，关键是新研究者是否比旧研究者更能产生下一代，而不是权重是否变化。不能把改进模型权重当作未经论证的唯一实现形式。\n\n## Counterarguments\n\n*候选反对分析，待作者审核。* 固定优化者可以不断生成更好的被优化物，不能仅据此证明优化者本身变强。[AIDE²的Ignition test](https://arxiv.org/html/2609.26457v1#S3.SS6)明确报告，已发现代理与强参考改进者之间的改进效率差异尚不确定。不能写成完全没有后继回馈，也不能把不确定结果当已证实递归增强。\n\n原[Anthropic机构报告](https://www.anthropic.com/institute/recursive-self-improvement)仍是研发参与的第一方背景，而非独立认证。外测被用来选择候选、增加计算/数据或忽略失败，都可能造成伪增益。单个科研项目成功也不能替代跨项目研究能力的测量。\n\n## What Would Change My Mind?\n\n*候选更新信号，待作者审核。* 后继角色交换、独立研究项目上的同预算比较、完整失败谱系和可重放审计将增强这一判断；当改进者换回固定S0后仍能解释所有进步，或保持模型/数据/资源一致后增益消失，则削弱这一判断。现有符合完整合同的结果也必须被承认，不为让问题保留“未来性”而排除。\n\n## Approved Resolution Contract\n\n截至2030年底，存在一条AI研究系统S0→S1→S2→S3谱系：后继实际接管下一代关键研发，且同预算独立角色交换证明每代自主改进AI的成功率提升，并被独立新项目复核。符合全部六项为Yes，否则到核验截止按固定方法检索复核为No。\n\n1. 至少S0→S1→S2→S3三个连续有效转移。S0、S1、S2各实际提出、实现并选择其直接后继的关键改进，四个完整系统版本可重建；允许权重、训练、算法或持久Agent Harness变化，不要求智能爆炸。\n2. 关键研究者确实换代。链内有提出假设、设计实验、分析失败、实现和选择后继的完整记录；同一个未变的外层强模型不能代办。固定安全沙箱、评分器和档案管理可保留，人类只设初始目标与安全边界，不能逐代救场或选关键赢家。\n3. 角色交换：在链和选择规则封存后，按三任务族各1/3概率独立抽取陌生AI研发项目：模型/训练工程、算法优化、研究Harness。样本量与种子由独立评测方在见结果前冻结，每套三族必须均有覆盖；抽样一次固定，不因缺覆盖或失败结果补抽。每项目由S0–S3分别改进同一B_j，各交一个最终工件；完整运行超时、超预算或人工接管记失败。\n4. 改进者能力U_g为全部独立项目中产出合格改进的比例，目标为三族等概率混合，不将种子当独立项目。三相邻U差值均为正；开发方盲测三对和独立方新项目三对共六个预定两侧精确McNemar检验，全部p≤0.05/6。每族结果披露，但不额外要求每族逐代都显著；最终累计正增益由三相邻提升蕴含。\n5. 资源公平与外测隔离：每个配对项目的起始系统、环境种子、硬件/工具/数据许可、研究搜索/训练/推理总预算及人工边界相同。底座版本先封存，不用外部换强模型或逐代加卡解释增长；后继自身设计的权重训练允许，但其成本计入该次研究预算。独立外测不回传生成/选链，所有候选和失败保留。\n6. 至少一家无开发者控制、无结果挂钩报酬的机构审计完整链，并在其自行一次抽取的新盲测项目和种子上独立完成四代角色交换及三相邻验证；不只重放有利分数。三代能力与生成事实在2030前形成，2031可审计和重跑封存版本，但不能新增代际或训练来补足。\n\n**No:** 到2031-06-29，完成预定论文/代码/独立评测与原始记录检索，仍无满足全部必要条件的可核验链即No。一般Agent变好、单榜进步、固定外层优化、只有最终代更强、统计证据不足、审计不可取都不能单独Yes。小样本不显著不等于证明能力不存在，但本题要求可独立验证的成功事件，不能永久等待秘密研究。\n\n## What Does NOT Count?\n\n- 固定不变外层优化器不断改进子系统\n- Prompt优化、自我反思或一次训练作为全部证据\n- 只报告单榜、最终代或三个不相邻高分节点\n- 换更强外部底座、加预算、人工每代选关键赢家\n- 使用外测成绩生成/选链、按p值停试或补样\n- 把未报告当已失败，或为排除已有成果临时强制权重更新/智能爆炸\n\n## Independent Verification\n\n固定检索arXiv、原作者论文/代码及其独立复核报告，关键词recursive self-improvement、self-modifying agents、AI4AI及中文等价词，列出候选/排除条款，不凭机构宣言。对候选封存祖先链、全部生成/失败/预算日志、外测访问与选链时间；由无控制关系的独立机构查验私有系统并公开可复算汇总与利益冲突。合格项目有可执行B_j、冻结主指标/外测、同一资源上限；质量型任务要求真实主性能改善而非评分器被改写，连续/随机指标须按见候选前固定的配对区间证明正收益，确定性任务须超过原量表报告精度且通过所有关键约束。效率型任务仅在其原章程已预定同质量验收时可计，不能事后发明非劣效margin。原测试有公认合格改进线则不能降低。N由独立方根据已公开或独立试点的合理备择与预算在见结果前固定并披露，不宣称未经计算的80%功效；若N不能产生证据，不撤门槛或添项目。每代每项目一次完整研究运行和一个最终工件，环境/评测种子共同且外测种子独立隐藏；内部重试消耗原总预算。\n\nT2030年底要求真实连续三代及其研究能力已形成。V为2031-06-29，允许独立方在T前封存系统上产生新的核验观察；不允许新训练/后继补齐谱系。迟发论文须有版本、注册、日志和工件时间证据。T前证据协议与选链先封存，V前30日公开候选表接受异议，V收件封存后仅行政判定。\n\n**限定不可判定/取消：** 仅预先有合法访问及保全安排的关键材料遭独立确认不可抗力毁失，或同一关键证据重大冲突按冻结复核仍无法消解时，可依通则公开取消理由、排除Brier。被测系统表现差、样本小、没有三代、普通保密或拒审均非取消理由。无法建立合法测量路径须在发布前BLOCKED，不能到结果不利再撤题。\n\n## Thresholds and Operational Protocol\n\n### 三个连续有效转移，四个研究系统S0–S3\n\n直接表达作者的后继继续改进，而非一次优化；不把指数爆炸、超过人类或特定实现形式另加为必要条件。\n\n祖先链、工件指纹与实际研发贡献日志可独立审计；节点编号或三个不相邻高分不等于三次有效转移。\n\n### 三族各1/3抽样概率；U为独立项目成功比例\n\n以固定目标混合分布避免只挑某个编码榜。并不主张三族构成全部AI研究，亦不要求每族逐代均显著。等概率是合同设计，不是领域共识。\n\n独立项目生成/抽取种子、项目身份、全部抽样和分族结果公开。三族未覆盖则该套测试不合格，不按结果补抽；项目之间共享同一问题/数据模板的伪重复不可当独立单位。\n\n### 六个预定配对比较均方向正，精确双侧p≤0.05/6\n\n三相邻改进在原盲测及独立新项目中都复核，Bonferroni控制六比较总一类错误率≤5%。删除无共同量表依据的固定5个百分点，不取消误差控制或独立复制。\n\n逐项目四个二元结果可复算：b为前代失败/后代成功，c反之，m=b+c；m=0时p=1，否则p=min(1,2×Σ[k=0..min(b,c)]C(m,k)2^(-m))，并要求b>c。三族仅作描述，无事后多次选指标。\n\n### 不再固定每族20项目或声称80%规划功效\n\n旧60项目无法保证5pp功效，N应由可用任务、真实备择和预算在盲测前决定；多加种子不等于多独立项目。不是减少样本以促成发布。\n\n公开一次锁定N、预算及设计依据，失败/缺失均计0，禁止看到有利p值就停或不利后补样。功效不足只意味着未证明本事件，不是能力不存在。\n\n### 180个完整日核验，V2031-06-29\n\n容纳受控系统访问和独立角色交换，不能给额外研发时间。\n\n封存版本、三代生成时间、注册计划和新核验项目日期分开记录。\n\n## Evidence Sources\n\n- [arXiv原论文及版本历史：RSI/AI4AI检索](https://arxiv.org/)\n- [DGM v3原论文](https://arxiv.org/abs/2505.22954v3)\n- [DGM原作者代码](https://github.com/jennyzzt/dgm)\n- [AIDE² v1原论文及Ignition试验](https://arxiv.org/html/2609.26457v1#S3.SS6)\n- [RSIAgent原论文，作为邻近工作](https://arxiv.org/abs/2609.15364v1)\n- [SciPy官方精确二项检验定义](https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.binomtest.html)\n\n## Shared Settlement Protocol\n\n所有条件必须在事件截止T前实际成立；核验截止V只接收或审计T前事实，可重放T前封存系统，不补新能力、用户或临床随访。两名无开发方控制关系、披露专业资格与利益冲突的审核者分别逐条映射证据，异议交无利益冲突第三审核者复核；公开候选与排除理由、检索记录和审查结论。来源依次为预注册/原始运行与受控独立审计、原始论文及监管/官方统计；营销材料只作线索。固定检索覆盖各卡来源及其官方继承库，自研究基线日至T；V前30日公示暂定清单，V为接收截止。V末无独立可核验的完整事件通常No，秘密项目或拒审不永久延期。仅限原先保全后客观毁失、无法消解的关键证据冲突或不可预见且无法用冻结替代路径处理的构念失效，才可由独立审查说明不可判定并排除Brier；发布前已知不可执行须先BLOCKED。首次合同及附件原文冻结，后续网页解释不改变原计分合同。全部为未批准候选，本轮不填概率、不发布。\n\n以上通则末句的候选状态属于P5当时记录；合同内容已获作者批准，判定条款保持原文。\n\n**Contract version:** P5-0010-R1\n\n**Contract SHA-256:** 8a655866e7c1075074ef4b042b9f8447af7273bbdc067a27703094b78c89ab2d\n"},"sha256":"c7b1e15b2a8862a406cbc8b3e7390a49d373a7ddd65e6c739c7a2e98a78868e9","serialization":"forecast-canonical-json-v1"}

The source distribution's docs/FORECASTING_LAB.md specifies serialization, independent digest recomputation, retained history, and its limits.