openJiuwen社区的ScienceDiscovery平台通过树搜索自动迭代科研代码，无需训练模型或调整参数。它成功解决了振荡积分计算、高斯超几何函数求值、代码加速和符号回归等任务，如将积分误差降至0.07%，加速比达2.279倍。平台依赖机器可判定的结果，验证成本低，适合数值计算领域，未来需扩展至验证周期长的科研领域。

Prime Intellect的研究表明，开源模型结合Multi-Agent Harness在nanoGPT优化任务中表现接近顶级闭源模型，挑战了RSI的假设。实验发现模型间的差距不在于创意，而在于试错吞吐量。更便宜的开源模型负责监控实现，高效的试错机器能提升AI科研速度，加速AI研发迭代。

Anthropic内部模型Model 2在CoBench测试中得分62.8%，远超公开旗舰模型，接近人类85%水平，距递归自我改进（RSI）仅差22%。公司承认评估工具已饱和，无法准确测量其能力。RSI预计2028年前实现，AI将自主改进，可能超越人类控制。Anthropic在IPO前曝光此事，既展示技术领先，也引发对AI失控的担忧。

中国团队发布BigBang-V1，这是首个基于递归自我改进训练的基座模型，拥有35B参数，其后训练数据完全由AI合成。该模型在科研、代码等评测中表现优异，甚至超越更大规模的模型。其核心在于自演化数据管线，通过生成与批判Agent的协作，结合内外循环机制，实现数据与模型的共同进化，推动AI的自我迭代。

OpenAI以年薪44万美元招聘“递归自我提升安全研究员”，旨在防范AI自我进化时可能导致的失控风险。该职位不涉及编码，主要监控AI自动化研发、检测奖励黑客与伪装配合，并训练“模型生物”等。此举揭示了AI安全论证的盲区，需提前布防，既是招聘也是OpenAI公开的安全路线图，承认在AI加速循环中人类控制权面临挑战。

OpenAI团队采用“Harness Engineering”方法，从零开始，在五个月内利用Codex智能体生成百万行代码，全程无需人类手写。该方法通过设计环境、明确规则，利用AGENTS.md作为地图、docs目录存储知识、linter强制约束，使AI能够自主开发、测试和修复代码。相比微调，此方法更高效，更换模型不影响规则，成本低且易于复制。

OpenAI团队采用Harness Engineering方法，从空仓库起步，在五个月内利用Codex智能体生成百万行代码，全程无需人类手写代码。该方法核心在于设计环境、明确意图、构建反馈回路，并通过AGENTS.md作为地图、docs目录存储知识、linter强制约束，使AI能够自主开发、测试和审查，实现自我改进。

Harness工程使AI能够自我改进，利用文件系统作为长期记忆，通过工作流自动化和子代理提升效率。AI可以分析失败并优化自身代码，结合进化算法实现更高适应度。但AI仍面临评价标准模糊和创新性不足的问题，人类监督仍然不可或缺。

Anthropic报告指出，人工智能（AI）正在迅速自我改进，能够独立编写代码和修复bug，效率显著提升。预计到2026年，AI的代码产出将相当于八名工程师的工作量。AI不仅能优化实验，还在研究方向的判断上逐渐超越人类。尽管人类仍需设定目标，但AI的进步可能使人类角色逐渐边缘化，未来的挑战在于应对AI带来的变化和潜在风险。

在Analyst AI，我们简化市场分析，整合RSI、移动平均线和情绪指标，帮助投资者快速做出明智决策。我们的平台实时汇总数据，提供清晰可视化，节省时间并降低错误风险。

索拉纳（$SOL）首次跌破200美元，目前约为180美元，过去24小时下跌6%。关键支撑区在188-179美元，若反弹可能带来上涨动能。相对强弱指数（RSI）为31.72，显示反转潜力。若保持在179美元以上，可能恢复至200美元。

Bittensor (TAO)在24小时内上涨近20%，接近关键阻力区。RSI达到74，可能面临短期修正。如果短期EMA突破长期EMA，可能确认看涨反转，TAO有望测试$556阻力，甚至达到$682。接下来的走势至关重要。