DeepSeek Harness 拆解：Cordis 如何令 AI 自我改良變得可回復

DeepSeek Harness（DSH）並沒有證明 DeepSeek 已經建立自主遞迴自我改良（Recursive Self-Improvement，RSI）系統，更不代表 AGI 已經出現。較穩妥的理解是：DSH 提供了一個 AI 代理執行環境，讓工具、模型介面、工作階段管理，甚至代理本身的運作循環，都可以視為可替換元件。這令反覆試驗變得更安全、成本更低，亦正是有界自我改良需要的基礎。 2526

核心思路：改良 Harness，而不只是改良模型

「遞迴自我改良」其實可以指幾種不同事情。系統可以改良某件具體產物，例如演算法；可以協助研究人員建立更強的後繼模型；亦可以修改決定代理如何運作的共用支架，包括提示詞、工具、記憶、政策及協調流程。

相關研究將這種以固定、外部評估器驗證的受限制自我改良，與開放式 RSI 分開。前者仍然有清晰的評分標準，較容易測試及收斂；後者則可能連改良所用的機制，甚至評價標準本身都一併修改，因而欠缺固定的外部錨點。 1

DSH 最明顯針對的是「支架」這一層。它不要求代理直接重寫神經網絡權重，而是容許系統在模型周邊試驗不同元件：提示詞、工具、記憶、政策、協調方式及執行循環。新元件可以安裝、測試及保留；如果表現欠佳，也可以移除。

這對工程角度的 RSI 來說是重要一步，但仍然不等於代理能夠獨立設計更強的後繼者、自行決定目標，或者引發不受控制的智能爆發。

Cordis 如何令執行時變更可以復原

DSH 建基於 Cordis。Cordis 的文件以「時空可組合性」描述這套插件執行時，主要處理軟件在運行期間動態改變時的兩個問題：元件隨時間載入、移除或替換會發生甚麼，以及目前系統內不同元件如何互相配合。 1718

時間可組合性：撤銷受管理的效應

插件加入共享執行環境後，可能會註冊資源、事件監聽器、服務或其他狀態。一般插件系統往往依賴開發者手寫清理程式；一旦清理不完整，便可能留下資源洩漏或「幽靈狀態」。

Cordis 的做法，是將執行時變更同可逆效應配對。當元件被移除，執行時可以按適當次序執行相應的逆操作，目標是把相關的執行時結構恢復至有效的較早配置。這不是將插件「倒帶播放」，亦不是自動逆轉代理曾經作出的所有外部行動。 2024

這個分別非常關鍵。插件註冊的回復機制，不能自動撤回已經發出的電郵、已刪除的檔案、以受污染資料訓練的模型，亦不能逆轉現實世界的不可逆行動。換句話說，Cordis 的可逆性是有界的軟件屬性，不是全面的安全保證。

空間可組合性：處理元件依賴

系統內的元件同樣會互相依賴。例如，工具可能需要工具註冊表；記憶模組可能需要工作階段管理器；代理循環可能需要模型介面及工具接口。

空間可組合性容許元件聲明這些關係，讓執行時在提供者或依賴出現、消失或改變時，協調元件的啟用、停用、替換及復原。這令模組化代理可以重新配置，而不用將整個系統當成一個脆弱的大黑盒。 1820

將可逆效應及依賴感知的組合方式放在一起，便能支援較安全的試驗、元件替換、故障復原及交易式執行時更新。對自我改良而言，重點在於：試一個候選改動，以及在效果不好時把它剔除，成本都會降低。

DSH 透露 DeepSeek 可能採取的 AGI 路線

這套設計反映一條偏系統工程的路線：令代理的執行環境足夠靈活，讓代理不只完成工作，還可以改良自己用來完成工作的機制。

這種思路將焦點由單一模型移向整個系統。一個固定的模型，只要配合更好的工具、記憶、規劃、評估及復原機制，實際能力也可以提升。如果代理能提出這些機制的改動，按外部標準測試，再只保留成功版本，改良便可以在受控循環內進行。

不過，架構本身並不足以證明 DSH 已經自主進行遞迴自我改良。目前可見證據主要描述一個開源 Harness 及其執行時，而不是一個已展示的端到端循環：由 DSH 自己生成、評估、選擇並部署愈來愈強的自身版本。 2526

DSH 與其他 RSI 相關工作的分別

RSI 討論中出現的系統，其實針對改良流程的不同層次。若將它們當成直接競爭、互相取代的方案，反而會掩蓋技術上的分別。

Google DeepMind AlphaEvolve：由評估器驅動的演算法演化

AlphaEvolve 更接近一個直接的優化循環。由 Gemini 系列模型的代理提出程式碼改動，再由自動評估器評分，最後以演化方式保留較有潛力的候選方案。Google 表示，AlphaEvolve 用於演算法發現及優化，涵蓋數學問題及計算基礎設施等工作。 2314

它最重要的優勢是回饋：候選方案可以按機器可檢查的目標進行測試。相較之下，DSH 主要是讓元件能夠安全組合及替換的執行時架構。簡單講，AlphaEvolve 著重「演化出更好的解決方案」，Cordis 則著重「令正在運行的系統可以安全重新配置」。

OpenAI RSI Index：量度工具，而不是改良機制

目前提供的公開資料將 RSI Index 描述為一組 AI 研究評估的綜合指標。按這個定位，它是追蹤能力的量度工具，而不是會自行修改模型或運行改良循環的引擎。

分數可以反映模型在部分與自我改良相關的任務上的表現，但單靠分數，不能證明系統在部署期間已經自主改良自己。現有公開證據亦不足以獨立判斷該指標的構成，或分數變化代表甚麼。 3435

因此，RSI Index 應該視為 DSH 的「量度層」，而不是架構上的對手。

Anthropic 自動化弱至強研究：將部分 AI 研究自動化

Anthropic 的自動化對齊研究，針對的是另一個瓶頸：如何利用較弱的監督，訓練或引導更強的模型。相關代理會提出研究想法、進行實驗，並就弱至強監督這個問題反覆迭代。 4958

這項工作較接近自動化 AI 研究及對齊評估的一部分，而 DSH 則集中於執行時的元件替換。兩者將來可以互相配合：研究代理負責發現更好的元件，可逆 Harness 則負責在受控環境內測試及部署，並在需要時回復。

Anthropic 的公開討論也提出重要限定：公司表示目前仍未達到完全自主的遞迴自我改良，而且 RSI 並非必然發生。 59

Tencent Hyra-1.0 及 MiniMax M2.7：目前證據不足以作技術比較

現有資料沒有提供足夠可靠、可獨立驗證的 Tencent Hyra-1.0 或 MiniMax M2.7 技術文件。因此，若直接為兩個系統指定某種 RSI 架構，或者將它們與 DSH、AlphaEvolve 及 Anthropic 已發表的工作放在同一證據水平上，會有誤導之嫌。

為甚麼環境及回饋循環成為競爭前線

AI 競爭的核心資產，正逐漸由單一基礎模型轉向模型周邊的整套系統。以下四項因素尤其重要：

1. 能力足夠的環境。 沙盒、程式碼庫、工具、模擬器、資料集、計算資源及部署遙測，決定代理實際可以進行甚麼試驗。
2. 自動化回饋。 測試、驗證器、基準測試、獎勵函數及生產指標，將代理提出的改動轉化為可量度的實驗。AlphaEvolve 正好展示模型生成能力配合自動評估器的價值。 26
3. 可復原性。 版本控制、隔離、來源追蹤、回復機制及審批閘門，讓團隊可以進行更多試驗，又不會因一次失敗而永久破壞系統。Cordis 的可逆執行時效應，正是針對這一層。 1720
4. 可以累積的迭代速度。 如果每一輪都能可靠地改善編程、評估、實驗或基礎設施，後續循環便可能更快或更便宜。不過，現有證據較有力支持的是有界自我改良，而不是開放式、能自行維持的 RSI。 1

所以，一個基準測試成績稍低的模型，如果放在工具更好、回饋更強、復原能力更高的環境中，實際上仍然可能具備競爭力。未來真正的產品，可能不只是模型 checkpoint，而是整個「提出改動—測試—保留—回復」的改良循環。

尚未解決的控制問題

可復原性可以降低風險，卻不能將風險消除。回復按鈕無法保證代理行動的每一項後果都可被觀察或逆轉。改動可能影響資料、憑證、外部服務、安全邊界，或者執行時以外的人類決策。

更快的迭代速度，也可能同時放大錯誤目標、鑽規格漏洞、隱藏回歸問題及不透明的依賴關係。要維持人類控制，不能只靠技術上的 rollback；改動在整個系統內都必須保持可觀察、可獨立評估、受權限限制、有清晰責任歸屬，並且真正可以回復，而不只是插件圖內的狀態可以還原。

最穩妥的結論是：DSH 及 Cordis 展示了如何設計支援有界、可復原自我修改的代理基礎設施；AlphaEvolve 展示評估器驅動演化的力量；Anthropic 的工作則展示 AI 如何逐步參與研究。三者共同說明 AI 輔助改良循環正在進步，但仍未證明完全自主、開放式 RSI 或 AGI 已經實現。 14959