초지능과 RSI
자기개선 방법과 이를 뒷받침하는 근거, 아직 풀리지 않은 질문을 살펴보세요.
연구의 최전선 ·
개념과 개선 과정
초지능은 한 벤치마크의 우승이 아니라 연구를 포함한 폭넓은 영역에서 인간 전문가의 역량을 넘어서는 것을 뜻합니다. 재귀적 자기개선(RSI)은 개선된 AI가 더 나은 후속 시스템이나 개선 절차를 만드는 피드백 과정입니다. 아래 자료 어느 것도 범용 초지능이나 무한히 가속하는 개선을 입증하지는 않습니다.
- 01변경 제안
- 02실험 실행
- 03별도 과제로 검증
- 04개선 유지 후 반복
더 많은 연산으로 답을 찾기, 에이전트 코드·메모리 바꾸기, 모델 가중치 새로 학습하기가 모두 자기개선으로 불리곤 합니다. 모델 자체가 바뀌는 것은 마지막입니다. 모두 연구에 도움이 될 수 있지만 독립 평가와 반복 주기에서도 향상이 유지되어야 합니다.
현재 연구 방향, 근거와 한계
MASS2026-10-12팀의 경험을 학습하고 팀을 개선하기
하나의 모델이 팀 작업 흐름을 탐색·평가하고 선정한 실행 기록으로 학습한 뒤 다음 주기를 진행합니다.
Sakana는 27B 모델에서 두 주기를 보고했습니다. 가중치 갱신을 포함하지만 평가자의 공통 맹점과 다른 작업으로의 일반화는 남은 문제입니다.
MiMo V2.62026검증 가능한 환경에서 강화학습 확대하기
긴 작업 실행 기록을 만들고 보상 평가에 더 많은 연산을 쓰며 결과로 모델을 학습합니다. 코드 실행·독립 검사는 자기 확신보다 강한 피드백을 제공합니다.
Xiaomi는 6일간의 공개 RL 실험과 별도 코딩 평가 향상을 보고했습니다. 통제된 학습 결과이며 개발사의 RSI 표현이 무기한 자율 개선을 입증하지는 않습니다.
autoresearch2026실험 반복 과정 자동화하기
코딩 에이전트가 작은 학습 프로그램을 수정하고 제한된 실험을 실행한 뒤 검증 지표에 따라 변경을 유지하거나 버립니다.
공개 저장소에서 과정을 확인할 수 있습니다. 사람이 정한 학습 설정을 최적화하며 단일 검증 지표 향상이 범용 연구 자율성을 뜻하지는 않습니다.
AlphaEvolve2025실행 가능한 검증으로 알고리즘 탐색하기
언어 모델이 코드를 제안하고 자동 평가·진화 탐색으로 더 나은 후보를 남깁니다. 개선된 커널·스케줄링은 이후 AI 학습의 효율을 높일 수 있습니다.
Google은 컴퓨팅 인프라에 적용한 개선을 보고했습니다. 알고리즘 개선의 사례이지 전체 시스템이 스스로 지능을 재설계했다는 증거는 아닙니다.
Darwin Gödel Machine2025-05-30에이전트가 하네스를 개선하게 하기
코딩 에이전트가 도구·작업 흐름을 수정하고 후보를 평가하며 유용한 변형을 보관합니다. 이 코드 변경은 기반 모델 가중치 학습과 구분됩니다.
공개 코딩 평가 향상은 제한된 하네스 개선을 뒷받침합니다. 코딩 테스트 통과율이 높아졌다고 범용 초지능이나 수학적으로 보장된 자기개선이 성립하지는 않습니다.
Absolute Zero2025-05-06자기 대결로 학습 과제 만들기
모델이 코드 추론 과제를 제안하고 풉니다. 실행으로 과제와 답을 검증해 과제 생성과 학습에 보상을 제공합니다.
이 단계에 과제 데이터셋을 제공하지 않고 코딩·수학 성능을 높인 결과를 보고합니다. 사전학습·실행기·사람이 설계한 보상은 여전히 필요하므로 ‘zero data’가 사전 지식이 없다는 뜻은 아닙니다.