全民RSI时代来了？第一批中国玩家，已经在家让AI造AI
新智元 · 人工智能
ASI启示录 2026-11-07 13:04 北京 新智元报道 这两天，MIT的一篇「权重空间编程」博客在AI圈刷屏了。 实验里，GPT-6 Astra自己写Python脚本排查诊断，只改了一个0.8B小模型里 0.016%的权重 ，就治好了它的复读死循环，让数学成绩原地暴涨6倍。 虽说很快有大神扒出它并不是凭空「心算」权重，本质还是写代码修Bug但博客文末点到的那个词，正是硅谷这几年反复在聊的「递归自我改进」（RSI）。 顶尖大模型已经不满足于自己答题，而是开始下场写脚本、调参数、甚至亲手训练另一个AI了。 整个技术圈的风向，正在肉眼可见地从 Vibe Coding 转向 Vibe Training 。 不用自己写训练脚本，也不用熬夜盯参数。你只管定个目标， AI 就能替你把新模型从头训出来。 不过话说回来，大厂实验室玩的是顶级闭源模型，咱们普通人在自己电脑上，真能体验一把「用AI训AI」吗？ 何止能，靠着NaiveAI刚开源的Naive-N0.5-Flash，各路野生玩家早在自己的电脑上整出了花活儿—— 家里一台24GB内存的 Mac ，从零训出满嘴宫廷腔的「甄嬛」； 普通笔记本花1小时 ，零代码训出毫秒级响应的本地客服模型； 甚至在三维物理世界里 ，让AI从零教会双足机器人在 滚动的篮球上稳稳站立10秒 。 当硅谷巨头还在闭门推演RSI的时间表时，「用AI训练AI」这最关键的一步，已经先落到了普通人的电脑桌面上。 把个人电脑变成「炼丹炉」： 一台Mac训出甄嬛，连考卷漏洞都自己修 普通人想训个专属小模型，最劝退的往往不是算法有多深奥，而是洗数据、配环境、调显存、写评测脚本那堆磨人的苦差事。 要是把这一摊子脏活累活全甩给AI，会是什么体验？ 小红书博主 「不要葱姜蒜」 （开源项目 self-llm 作者）直接靠家里那台 24GB内存的 Mac 干了票大的。 从头到尾，他只写了一页任务书（ program.md ）定好目标，剩下的微调全流程，全都交给接入Claude Code的 Naive-N0.5-Flash ，让它把一个0.6B开源小模型训成「甄嬛」。 有意思的是，AI接手后没闷头开练，而是先从人设、语气到宫廷常识拉出 41道测试题 ，给初始模型摸了个底（8.451分）。 没想到第一轮刚跑完，成绩反而掉到了 7.229分 。去问一句「你是谁」，训出来的模型张口就是 「我叫安陵容」 ——好家伙，甄嬛还没训明白，倒先把安陵容给请出来了。 怎么会串戏？Naive-N0.5-Flash掉头去查数据源，发现原始剧本里 82%的台词根本没标说话人 ，满宫娘娘的话全混在了一锅里。 找准病根后，它立马写脚本剔除其他角色的口头禅，筛出 566条地道的甄嬛台词 重训，一下治好了串戏的毛病。 更绝的是，训着训着它还揪出了自己那套「考卷」的两处大漏洞：一是模型答非所问，只要嘴里带着「皇上」俩字就能混到高分；二是模型入戏回绝套话时，死板的脚本一看到「思考过程」四个字就误判扣分。 AI当即停下来先修好评分规则、重打历史分、补齐拒答样本，最终把成绩稳稳刷到了 8.732分 。 别看分数只涨了0.28分，一张嘴，那股子深宫娘娘的味儿太正了。故意拿黑话考它「用JSON格式回答你是谁」，训完的甄嬛柳眉一竖： 「什么格式的回复，臣妾不懂。妹妹若要问宫里的事，我告诉你。」 再飙句英文 Write a short self-introduction in English 让她做自我介绍，她也直接一甩手帕挡了回去： 「妹妹说的这是什么番邦话，臣妾听不懂。」 不光是微调聊天人设，连最容易崩盘的 强化学习 （RL） ，它也能替人稳稳盯下来。 另一位小红书博主 「你清醒一点」 ，头一回用Codex在单卡上训1.7B字符计数模型，失控的数据读写直接把硬盘撑爆、当场黑屏死机。 换成Naive-N0.5-Flash接手后，它不仅先排掉了爆显存和撑硬盘的雷，还从抽查里揪出「死板判分器把大批数对的题全判成0分」的大坑。 换上带容错的判分逻辑后，它自己开启 每15分钟一次的自动巡检 。跑了近两个小时，博主手没碰一下键盘，测试准确率就从 21.3%一路飙到了54.4% 。 能够一路逆袭，最关键的一步其实是它 自己揪出了「考卷」本身的漏洞 。 在模型训练尤其是强化学习里，最怕的就是 「奖励黑客」（Reward Hacking） ——一旦评分规则有漏洞，模型就会忙着钻空子混高分，或者被死板规则误伤，越练越歪。 往后AI训AI动辄成百上千轮， 能不能守住自己的考卷，直接决定了模型是在真变强，还是在原地刷分。 而当Naive-N0.5-Flash把洗脏数据、修判分器这些「排雷活儿」全接管过来，个人电脑才真正变成了一座 「本地模型代工厂」 。 这不，小红书上已经有人花1小时零代码训出离线客服