lobehub/awesome-rsi

それは何か

キュレーションされ、コミュニティが維持するリスト（「awesome リスト」）で、**再帰的自己改善（RSI）**に関する研究論文とリソースを収集し、整理しています。RSI とは、AI システムが自身の能力を改善するだけでなく、その改善を生成するために使用するメカニズム自体も改善できるという考え方であり、自己加速ループを生み出します。

なぜ今重要なのか

このリストは、RSI が純粋な理論から活発な実証研究分野に移行したと主張しており、以下の最近の進歩によって推進されています：* 自己トレーニング* エージェントメモリ* ハーネス（外部足場）最適化* 具現化された自己改善* 自動化された AI 研究* 自己修正コーディングエージェント* 進化的検索

リストに含まれるもの

作業をセクションにグループ化しています：

• 基礎 — 入門論文とサーベイ
• モデルレベル RSI — 自己生成データ、フィードバック、または推論を通じて AI の重みを改善
• ハーネスレベル RSI — モデル周辺のプロンプト、メモリ、検証、エージェントポリシーを改善
• マルチエージェント自己改善 — 複数のエージェントが一緒に改善または議論
• コーディング自己改善 — 自身のコードを修正するエージェント
• 自動化 AI 研究開発 — AI 研究を自ら行うシステム
• 具現化/物理的自己改善 — 物理エージェントの改善
• 進化的およびオープンエンド RSI
• 安全性、アライメント、理論
• 内省と自己モデリング
• ベンチマークと評価
• フレームワークとツール、ブログ投稿、講演、関連リスト

定義する主要概念

README は有用な正確な語彙を導入しています：

• 自己洗練 — システムへの永続的な変更なしに現在の出力を改善
• 永続的自己改善 — 次のラウンドに引き継がれる重み、メモリ、スキル、プロンプト、またはコードの変更
• 再帰的自己改善 — 改善を生成するメカニズム自体が改善される対象である場合
• RSI 基盤 — 自動ループを必ずしも形成せずに、自身の構造を変更可能として公開するシステム

また、主張された自己改善の証拠の 3 つのレベルを区別しています：

• タスクゲイン — より良い出力、永続的な変更なし
• 保持ゲイン — 永続的な更新が将来のパフォーマンスを改善
• 改善者ゲイン — 改善を生成するメカニズム自体がより効果的になる

リストは、自己参照アーキテクチャだけでは実際の改善を証明しないことを強調しています—制御された比較が必要です。

重要な注意点

リストは、すべてのエントリが真の RSI を示すわけではないことを正直に述べています；一部は制限された自己改善または実現技術です。分類法は組織的であり、厳密ではありません—多くのシステムが複数のカテゴリにまたがっています。新しい貢献者は明示的に歓迎されています。