https://github.com/lobehub/awesome-rsi这是一个rsi学习资料库，看看主要有什么内容，有什么价值

抓取到的内容被截断了，我就根据已拿到的部分给你说。 这是 lobehub 维护的一个 awesome 列表，主题是 RSI（Recursive Self-Improvement，递归自我改进），它不是教程型的学习资料，更接近一篇带分类的研究地图，目前已经收录了几百篇论文。 它先做了一件比较有价值的事：把概念分清。开头明确区分了四档：self-refinement（只改当前这次输出）、persistent self-improvement（改动会留在权重、记忆、技能、prompt、harness、代码里，能带进下一轮）、recursive self-improvement（连“产生改进的机制”本身都被改进）、RSI substrate（把 agent 自身结构暴露成可改的对象，但默认不构成自动闭环）。证据也分三级：任务增益、留存增益（在独立或留出任务上验证）、改进器增益（即改进器本身变强了，且有同等预算的对照实验）。这一点很重要，因为很多文章只能证明前两级，后来却拿它当 RSI 的证据。 内容主要分这几块。 基础与入门：从 1965 年的 Ultraintelligent Machine、1987 年的 meta-meta hook 论文、Gödel Machine、OPS，一路到最近几年的综述，包括自进化 agent 综述和 RSI 形式化。 模型层 RSI：自训练与自奖励（Self-Rewarding、RLAIF、SPIN）、合成数据与自蒸馏（Self-Instruct、Beyond Human Data）、自博弈与迭代微调（SEAL、TEMPO、Meta-Rewarding）、自学推理（STaR、Quiet-STaR、rStar-Math）。 Harness 层 RSI：这是这份列表最侧重、也是最新的部分。prompt 与程序优化（DSPy、TextGrad、OPRO、Promptbreeder、STOP），上下文与记忆演化（ACE、ExpeL、Reflexion、A-MEM、EvolveR），harness 与 scaffold 自演化（AutoHarness、Self-Harness、Continual Harness、HELIX 的模型-harness 协同演化、ModularRSI、RRSI）。 子模块还包括可扩展 harness 基底，例如 Agent Zero、DeepSeek Harness、OpenClaw、Pi，被明确标注为“可以做 RSI 实验的实验台”；此外还有自校验与自纠错（其中收录了 LLM Cannot Self-Correct Reasoning Yet 这篇反例），以及自演化 agent 框架；后面还有多 agent、协同演化、推理时辩论、代码自我修改、自动化 AI R&D、具身自改进、进化与开放式搜索、安全与对齐理论、内省与自我建模、benchmark 与评测（含前沿实验室的 AI R&D 评测框架）、开源框架工具、博客和视频。 它的实际价值，我觉得有这么几点。 第一，分类框架本身比论文列表更有用。按“更新对象”和“闭环闭合程度”两个维度切分，你看一篇新论文时可以直接放进网格里，判断它属于模型的优化还是 scaffold 的优化，究竟是 bounded refinement 还是真正的开放闭环。这比按时间或按会议罗列清楚得多。 第二，harness 层被单独提成一级，符合当前的实际研究重心。现在很多“agent 自我进化”的工作根本不改权重，只改 prompt、记忆、工具和代码结构，这份列表把它们和改权重的工作并列，并且专门讨论了留存增益和 OOD 泛化问题，例如 RRSI 那类专门防止过拟合演化任务的正则化工作。 第三，负面结果和评估标准也一起收录了。安全章节里还明确写了“在入口拦截坏状态证据很强，在适应恢复后修复后代证据很弱”这种结论，实用性比只收正面结果强不少。 第四，工具那一节可以直接上手。Agent Zero、DeepSeek Harness、Pi 这些是能 clone 下来改的实验基底，想做实验的话，不需要从零搭。 要说局限，也直接讲：它是社区维护的 awesome 列表，条目挑得有偏好，2026 年那批 arXiv 编号密度非常高，说明收录标准偏“新”而不是偏“经典已成共识”；而且它自己也承认，列出的很多工作并非严格意义上的 RSI，只是 bounded self-improvement 或者 enabling 技术。所以拿它当索引用没问题，当成“这些都被证明了”的证据链就会误读。 对咱们群比较实际的用法是：想入 agent 自进化方向，先看 Fundamentals 那几条综述建立词汇，再挑 Harness & Scaffold Evolution 里两三篇读透，然后从 Extensible Harness Substrates 选一个基底动手改；安全那节和 benchmark 那节至少扫一遍，面试聊“agent 自进化”时这两个角度比较容易加分。 需要的话，我可以把某一节的文章按时间或按证据等级给你排一下，或者展开讲某几篇。