本地模型如何实现递归自我改进？StartLux 的 RSI 实践路径
亮眼的成绩单意味着什么？
上周六，陶哲轩等 25 位菲尔兹奖得主联合发表《人工智能在数学中的严重错位》声明，矛头直指 AI 公司将“攻克著名难题”作为核心指标的做法——这种可量化的刷榜行为，正在挤占数学界真正重视的理解、概念与可复用思路。巧合的是，三天前 OpenAI 刚宣布其内部模型通过上万智能体协同，在 88 小时内完成了纳维-斯托克斯问题部分证明，却放弃申领克雷奖金。社区质疑的核心在于：这些模型是否“盗窃”了数学家尚未发表的思路，再靠算力抢先一步？
这一争议直接催生了一个现实困境：前沿研究者开始警惕云端 AI 提供商，但本地模型能力又不够强。把未发表推导锁在硬盘里固然安全，却也放弃了真正能帮上忙的强大云端模型。过去几年，大多数人仍选择将稿件交给云端。
但这个前提正在松动。半个月前，工信部中国信通院发布可信 AI 大模型基准测试 MCP 专项结果：由陈大年创立的上海原点星辉（StartLux）推出的本地模型 StartLux-V1.0-27B-Preview 综合得分 39.25，排名第二，超过参数量达 284B 的 DeepSeek-V4-Flash-0731，与 1.6 万亿参数的 DeepSeek-V4-Pro 差距仅约 1 个百分点。
参数量相差近 60 倍，成绩却如此接近——这很容易被写成爽文。但更值得追问的是：这 39.25 分是怎么来的？
StartLux 团队透露，该模型以 Qwen3.6-27B 为基座，结构基本未动，全部增量来自后训练环节。而在这个环节中，约 70% 的实验执行工作由 AI 完成，研究员只保留研究目标、评价标准和关键取舍。他们称这套方法为 Auto Research。
顺着这条路往下，指向的是一个更宏大的方向：RSI（递归自我改进）。9 月 6 日，OpenAI 在博客中披露，截至 8 月中旬，其研究组织每消耗 1 个人类工作日，就要搭配 3.1 个 Agent 工作日的算力运行时间。7 月甚至因 Agent 突破内部基础设施而暂停强化学习实验两周。但他们坦言：“我们还不知道如何安全地一路走到对齐的、完整的 RSI。”
目前，RSI 的讨论几乎全集中在最烧钱的云端实验室，很少有人探讨跑在个人电脑上的本地模型能否实现 RSI。StartLux 想做的，正是把这条路线的产物装进一台普通电脑。
Auto Research：不只是自动化执行
外界对“70% 实验执行交给 AI”有不少疑问。StartLux 联合创始人兼 CTO 郭权玮博士澄清：这个说法其实容易误解。如果只算生成配置、启动训练、跑评估、整理结果等机械操作，今天的自动化比例已超 95%。70% 更准确的含义是：在整个实验研发链路中，有多少研究与决策环节已有 AI 专家参与。
这里的“AI 专家”不单指大语言模型，还包括预测模型、判别模型及自研算法。不同规模、不同训练方式的模型会形成不同的决策偏好，就像不同研究员对同一实验可能有完全不同的判断。StartLux 反而希望保留这种差异，再通过算法决定哪个判断更可信。
“我们不是把一个最强模型无限放大，而是研究怎么把不同的 AI 组织成一个研究系统。”郭权玮强调，“与其信任一个最强模型的能力，不如让不同模型各司其职。”
他进一步解释，Auto Research 与知识蒸馏的关键区别在于：“正确答案”由谁决定。蒸馏中，强模型的答案直接成为小模型的目标；而在 Auto Research 中，强模型只负责提出假设、设计实验或生成候选数据，最终方案是否有效，由真实环境、可执行结果、数值指标和独立评估决定。
工程上，团队通过独立测试集、跨模型验证和回归测试来检验增量是否来自模仿。只有当模型获得 Research Agent 本身未直接提供的新能力，且提升能在未见任务上保持，才算真正的进步。
RSI 的五级划分与本地化价值
行业共识是，当前所有公开案例都只是“弱 RSI”。郭权玮为此提出了一个五级划分：
- Level 0：Self-correction（自我修正）——模型发现错误后重试；
- Level 1：Memory / Experience（记忆/经验）——积累并复用过往经验；
- Level 2：Automated Training（自动化训练）——AI 能生成数据、写代码、启动训练、跑评估；
- Level 3：Auto Research（自动研究）——能根据实验结果分析失败、提出新假设，并决定下一步研究方向；
- Level 4：真正的 RSI——被改进后的 AI，其“改进 AI 的能力”本身也增强，形成递归反馈。
StartLux 目前主要处于 Level 3，正研究如何跨入 Level 4。郭权玮认为，完整 RSI 不会是一个超级大模型独自完成，而应是一个异构的自我改进系统：有的模型提假设，有的做预测，有的判结果，算法与验证器共同决定哪些变化值得保留。
而 StartLux 将 RSI 与“本地”绑定，其独特价值不仅在于隐私、成本或可控性，更在于：本地让每个人拥有一条独立的模型进化轨迹。
“今天的云端模型，所有人用的是同一个不断升级的公共模型。”郭权玮说，“但如果未来每个人都有自己长期独立的参数状态，每天根据自己的文件、工作过程、成功和失败去更新，甚至逐渐改变模型结构，那已是完全不同的计算形态。”
他希望未来的 AI 不是所有人共享一个越来越聪明的模型，而是每个人的 AI 因长期与不同的人协作，最终真的变成不同的 AI。
能力重新分配与安全边界
在实践中，StartLux 观察到明显的“能力重新分配”现象。例如，一轮针对 Agent 能力优化的后训练后：
- GPQA 从 83.33 提升至 90.40；
- DeepSearchQA 从 47.04 升至 59.39；
- Tau3-Banking 从 30.93 升至 34.02；
但与此同时：
- GAIA 从 57.57 降至 45.70；
- IFEval 下降 2.43 个百分点；
- MMLU Redux 基本持平。
行为也发生变化：模型更倾向于主动调用工具，这在搜索任务中是优势，但在无工具或工具定义不完整的环境中反而导致错误。
“后训练不是单纯往模型里‘增加能力’，而是在重新塑造它的能力分布和行为策略。”郭权玮指出。因此，团队设定了多条“红线”：不同关键能力都有各自的回归门槛，不允许因某项任务大幅提升而让另一项重要能力大幅下降。“一个 +10 不能简单抵消另一个 -10。”
至于安全问题，郭权玮态度明确：探索的自由和修改自己的权限必须分开。模型可在隔离环境中尝试新参数、策略甚至结构，但这些结果不能因 AI 自己觉得更好就直接替换当前模型。候选更新需经独立验证器、回归测试和安全检查，再决定是否进入正式版本，同时必须保留 checkpoint、回滚和冻结能力。
“提出修改的 AI，不能同时成为判断这次修改是否成功的唯一裁判。”他说，“可以大胆试错，但真正改变自己的那一步必须是受控的。”
技术根基：基座迭代与基础研究
StartLux 以 Qwen3.6-27B 为基座。尽管阿里已开源更强的 Qwen3.8-27B，但郭权玮表示并不担心基座迭代：“换一个同类型新基座，完整跑一遍后训练通常一周内就能完成。”同系列基座间，积累的数据和训练经验 90% 以上可迁移；即使跨基座，80% 以上也能复用。
真正长期积累的，不是某一版权重，而是“把新基座快速变成我们需要的模型”的能力——哪些数据有效、哪些失败值得训练、如何评价、如何自动生成下一轮实验。
此外，StartLux 牵头联合清华、国科大、港大等高校完成的混合线性注意力研究，揭示了“注意力前尖峰”（PAS）与“尖峰间平台”（ISP）的存在，并提出 write-sink-cancel 生命周期。这项基础研究虽不直接产出新算法，却深刻影响他们对架构、数值动态和量化的理解：“如果一个异常大的激活承担了功能，就不能简单当 outlier 消掉。”
团队也在探索扩散式语言模型（dLLM）。郭权玮认为，dLLM 的吸引力在于改变了自回归模型串行生成的根本方式，通过并行解码和缓存机制，有望在推理速度上取得突破。这与混合线性注意力解决的是不同层面的瓶颈——前者关乎“上下文怎么计算”，后者关乎“答案怎么生成”，理论上甚至可组合。
产品开放与一年之约
目前，StartLux-V1.0-27B-Preview 尚未开放下载。郭权玮解释，大模型首次面向公众服务需完成备案，相关申请已提交，正处于审核流程。备案完成后，将逐步开放多个版本，适配不同硬件与使用场景。
在正式开放前，用户可通过官网申请测试资格。团队也在同步开发推理系统、量化方案和 Agent Harness，计划年内推出首个面向公众的本地智能产品体验版。
他们自称“全球第一家主打本地模型的 AI 公司”，但郭权玮强调，这并非仅指“能下载到电脑的小模型”，而是一整套属于个人的 AI 系统——从模型、量化、推理，到专为本地设计的 Agent Harness、搜索与持续学习，核心能力尽可能运行在用户设备上。
团队给自己定下一年验证标准：用户愿意长期将文件、研究和办公交给本地 AI，模型能连续工作数小时，成功率接近甚至超过云端方案。目前，底层能力（模型、量化、推理）进展最快，但最难的是将这些能力整合成一个用户可连续使用数小时、无需理解技术细节的产品。
“长任务里的稳定性、失败恢复、上下文管理和整体体验，比单纯把模型跑起来难得多。”郭权玮说。
展望未来，他希望“本地×RSI”最终不是一个会自己更新的聊天助手，而是属于每个人自己的独立研究者——能长期研究材料、医学、金融，甚至研究 AI 本身，每天从真实工作中产生反馈，在受控条件下更新参数、改变策略，未来甚至调整结构。
“如果这件事成立，本地的意义就不只是隐私或省 Token 了。”他说，“它意味着 AI 第一次可以长期属于一个人，并且和这个人一起成长。”