从强化学习、Harness 到 AI4AI，AI 如何走向真正的 Self-Evolving？

责编 | 梦依丹

出品 | CSDN（ID：CSDNnews）

上周六是 1024 程序员节，笔者在朋友圈看到不少开发者调侃：今年可能是最后一届「程序员节」了，明年是不是该改成「 1024 Agent 节 」了？

玩笑背后，是过去一年 Agent 能力的快速跃迁——从写代码、调用工具、浏览网页，到执行越来越复杂的长程任务。

当下，比“ Agent 能做多少事 ”更加值得关注的是 Agent 怎样从经验中持续学习，让自己变得更强？

11 月 20—21 日，2026 奇点智能技术大会将在北京万达文华酒店召开，本次大会特设置了「大模型技术：从 Agentic Scaling 到自进化」专题，汇聚 OpenAI、小米 MiMo、腾讯 WorkBuddy、面壁智能、Frontis.AI、PenguinHarness 等一线研究者与工程团队，从强化学习、数据飞轮、Harness 到 AI Infra，集中讨论一个更具体的问题：AI 的下一步，如何从能力越来越强走向真正的持续自我改进？

从 Scaling 到自我改进，AI 的下一步是什么？

过去，大模型能力提升的主线是更大的模型、更丰富的数据、更强的计算能力。但当模型进入 Agent 阶段之后，新的 Scaling 问题开始出现。

Agent 不再只是被动接受 Prompt，它开始与环境持续交互、执行任务、调用工具，也开始积累大量真实经验。这些经验，能不能反过来让模型和 Agent 自身持续进化？

在本届大会现场，奇点智能研究院院长、CSDN 高级副总裁李建忠将围绕《AI 智能体生态的研究和思考》，从更宏观的视角讨论 Agent 生态正在发生的变化。

而在「大模型技术：从 Agentic Scaling 到自进化」专题中，这个问题还将被进一步拆开。

新浪微博首席科学家及 AI 研发部负责人张俊林将带来《AI 自我迭代改进（RSI）：方法、实践及其局限》的主题分享。

RSI，也就是 Recursive Self-Improvement，递归自我改进。相比“AI 能不能自我进化”这样的宏大判断，更重要的问题其实是：

• 今天已经有哪些可行的方法？

• 哪些路径正在被实践？

• 真正的瓶颈又在哪里？

南京大学人工智能学院副院长、教授俞扬将围绕大模型强化学习展开分享。

强化学习仍然是让模型从反馈中改善行为的重要技术基础，而当 Agent 开始进入复杂任务和真实环境，如何利用反馈持续改善模型行为，也正在成为下一阶段能力演进的核心问题之一。

Agent 用得越多，真的能变得越聪明吗？

如果说自进化真正发生最现实的一条路径可能不是“模型突然学会修改自己”，而是先建立一个持续运转的数据飞轮。

腾讯 WorkBuddy 模型研发负责人董汉德将带来《LLM Agent 的模型数据飞轮——WorkBuddy 持续学习经验》主题分享。

Agent 产品与普通模型最大的不同之一是它每天都在与真实用户、真实任务和真实环境发生交互。

这些交互过程中，会产生大量新的数据，比如 Agent 做了什么、环境发生了什么变化、用户在哪里介入、哪些步骤成功了……

这些看似普通的产品数据，实际上包含了大量高价值训练信号。

WorkBuddy 长期在尝试解决的一个问题就是如何把「Agent—环境—用户」的真实经验，转化为下一轮模型训练可以利用的信号。

最终形成用户 → 数据 → 模型 → 产品 → 新数据不断循环的数据飞轮。

这可能是 Agent 从被训练一次走向持续学习的关键一步。

自进化不能只靠“反思”，它还需要一套可度量的闭环

Agent 真正要做到自我改进，还必须解决怎么稳定地进化和怎么知道自己真的变好了这两个问题。

来自 PenguinHarness、LlamaFactory 作者郑耀威将带来《低成本、高收益的自进化 Agent 闭环构建实践：从 LlamaFactory 到 PenguinHarness 的技术演进》分享。

从 LlamaFactory 出发，团队历时半年打造了开源智能体自进化引擎 PenguinHarness。

核心并不是简单让 Agent 反思一下，而是建立一套完整闭环，从数据生成→ 多智能体评估→ Harness 自动迭代→ 再评估。

团队还发布了 GDPevo，用于评估 Agent 在具有经济价值任务上的进化能力。

在实际测试中，平均准确率提升 18.8%，Token 成本节省 7.5%。同时还将展示“0.2 元 + 一句话生成完整 AI 应用”的实践，以及成本仅为 Claude Code + Opus 1/70 的落地数据。

自进化不能只停留在概念上，它必须可以被评测、被验证，也必须算得过成本账。这也是 Agent 真正进入生产环境之后必须面对的问题。

当 AI 不再只是被训练，而是开始参与“训练 AI”

如果再往前一步，自进化就不只是让 Agent 改善自身行为。AI 还可能开始参与 AI 系统本身的研发。

来自衔远科技（Frontis.AI）CTO 张开颜带来的《元智能体驱动的 AI 训练与自进化：AI4AI 技术与产业实践》就围绕这一主题展开。他的分享会围绕 Frontis-MA 系列元智能体模型展开。

所谓 AI4AI 核心就是让 AI 参与 AI 的研发。从任务环境构建、自主实验，到训练、评测和经验学习，元智能体开始进入整个模型研发流程。

自进化真正落地并不是让模型无限尝试，而是让 AI 在现实工程边界之内持续寻找更优解。

当 AI 开始写训练框架、算子和推理内核

如果 AI 参与研发已经足够令人兴奋，那么再往前一步，就是：AI 开始制造 AI。

面壁智能技术合伙人、智能进化首席科学家李宇轩将分享《AI 制造 AI：从五级演进框架到 AI Infra 的自主生成》。团队提出了 AI 制造 AI 的五级演进框架，从辅助建议到自主探索，描述 AI 参与 AI 研发的不同阶段。

在这个过程中，他们进一步总结出一套锻造工程的方法。

当 AI 写代码的成本越来越低，工程设计未必还要优先追求一份通用实现覆盖所有场景。相反，可以让 AI 针对不同需求，自动生成更垂直、更专用的实现。

目前团队已经完成三项工程实证：

• AI 自主锻造训练框架，性能超越 Megatron-LM，并承担生产级预训练；

• AI 锻造算子库，在不同场景下超过公开最优实现；

• AI 锻造推理内核，速度超过 SGLang 等主流引擎。

从模型研发，到算子，到推理内核，AI 正在逐渐进入 AI 系统的底层。

越强的 Agent，越需要更强的底层系统

当然，自进化并不会凭空发生。

Agent 越复杂，任务越长，模型需要处理的上下文越多，对底层推理系统的压力也就越大。

小米 AI 平台部语言模型推理负责人张晨将带来《小米 MiMo 长上下文推理的系统优化与生产实践》分享。当长上下文为多轮交互、代码智能体和多模态理解提供了更大的能力空间。但真正进入生产之后，它会迅速带来一系列系统问题。

因此，小米 MiMo 在基于 SGLang 的长上下文推理实践中，围绕 KV Cache 管理、多级缓存复用、传输优化、动态分桶、缓存亲和性调度、Prefill–Decode 分离、投机解码、低精度执行进行了系统优化，并结合真实生产负载，讨论如何从瓶颈定位、方案验证走到灰度上线。

这场分享也提醒我们，当 Agentic Scaling 越往前走，模型能力和系统能力就越难分开讨论。

从“ 会完成任务 ”到“ 会持续进化 ”

把这些议题放在一起，会发现它们其实正在拼出一条越来 越清晰的技术路线：

ChatGPT作图

这也是为什么我们把这个专题命名为大模型技术：从 Agentic Scaling 到自进化。

11 月 20—21 日，2026 奇点智能技术大会将在北京万达文华酒店举行。大会汇聚 70+ 技术嘉宾、18 大前沿专题、70+ 主题演讲、1000+ 行业技术人，从 RSI、Agent、AI Coding、世界模型、Physical AI，到 AI Infra 与企业级 AI，集中呈现 AI 从前沿能力到工程落地的关键进展。

如果你正在关注大模型、Agent、AI Coding、世界模型或底层 Infra，下面这份初版日程，可以先帮你找到最值得听的那几场。