10 月 6 日，OpenAI 公开了 AI 产出的 722 篇数学论文，包括准黎曼猜想的相关证明。前 Google 科学家、xAI 联合创始人 Christian Szegedy 表示，数学家穷尽一生攀登的险峰，机器可乘飞机直接抵达。但 Szegedy 认为，数学不是走向终结，而是探索方式的改变 —— 人们可以借助飞机，抵达更多未境之地，他自己对此兴奋不已。 这架飞机，能否继续飞向更广阔的科学与工程前沿 —— 从癌症机理、衰老干预，到尚无成熟路径的复杂工程难题？ 全球 AI 实验室正将目光投向 RSI（递归自我改进）：让 AI 不只完成任务，还能参与下一代 AI 的设计、训练与改进。这场系统性探索才刚刚开始，大多数探索尚处于早期。 而一支华人团队，已经把 RSI 带入了规模化运行。它打造的 Novix，将自我改进机制嵌入真实的前沿算法与工程任务，让 AI 在解决问题的过程中，持续吸收顶尖专家的判断与反馈，并将这些经验用于自身的下一轮改进。 官网链接：Novix.science 成立仅半年，Novix 通过口碑传播，已服务 20 万名专家，覆盖 40 多个国家和地区、500 多所高校及科研机构。用户中包括来自清华大学、北京大学、苏黎世联邦理工学院、剑桥大学、卡内基梅隆大学、南洋理工大学、新加坡国立大学和东京大学等机构的研究者。 不同学科和领域的实际研究已经在平台上展开：水坝群如何进行生态泄洪调度，钢材在未知地震加载下会有怎样的循环响应，低成本空气质量监测网络如何实现跨站点校准、城市干道协同控制、金融市场高频流动性建模，还有 AI 模型的后训练。 Novix 由石宇、汤嘉斌等人创立，核心成员来自 Google、微软、Meta、智谱和 Kimi，曾主导或参与 Microsoft Copilot、Kimi K2、AgentOS 和 AutoAgent 等项目。 这支华人团队为什么能率先把 RSI 推向全球规模化闭环？ 答案在于，Novix 在产品、系统与算法层面，重新定义 AI 与人类顶智专家的协同进化关系。 Novix 将这套机制称为 Co-Evolutionary RSI—— 协同进化式 RSI。 “机器负责加速边界的探索，人类把价值、审美和选择持续写进系统。” 石宇说。“两者共同组成一个持续运行、自我改进的智能进化系统。” 在这个回路里，AI 主动提出方向、展开解空间、执行任务并验证结果；专家持续反馈什么是重要的问题、什么证据足以成立、采用怎样的评价标准（rubrics），以及哪些方向符合自己的审美与长期判断。每一次采用、否决、纠偏和反馈，都会成为下一轮探索的新目标与新标准，并进一步改进系统的任务分解、工具使用、harness 与模型能力。 真实高难任务持续暴露系统的能力边界，专家反馈不断推动系统进化，进化后的 AI 再去解决更难的问题。Novix 规模化的，正是这个在前沿算法与工程领域中持续运行的 RSI 飞轮。 石宇说：“能真正把 RSI 做到规模化的，一定是最能杠杆人类顶尖专家审美的系统。” 让每位科学家都有自己的 AI 自主实验室 Novix 在与全球专家的持续协作中，学习每位研究者关注的问题、判断证据的方式与探索偏好，再主动提出候选方向并完成验证。科学家在关键节点选择继续、暂缓或纠偏，也可以重新定义评价标准；这些判断随即成为下一轮探索的起点。 把这种关系放进一个典型的材料研究场景：一位 PI 不必每天给系统写出完整任务，只需在候选方向中判断哪些值得推进、哪些证据不足、哪些异常值得追问；余下的探索、实验和验证由 AI 持续展开。随着判断不断积累，系统逐渐形成贴合这位研究者的探索路径。 为了探索那些连人类都尚未知晓答案的领域，最重要的是研究解空间中最值得推进的下一步。科学家的每一次选择，都在告诉系统什么是好问题、怎样判断证据、愿意承担怎样的风险，以及什么结果真正有价值。同一个基础模型，因此会沿着不同专家的 taste 生长出不同的探索路径。 不同领域的人机协同进化环境。在酶工程（图上）中，一个 “提高工业酶性能” 的目标，逐步变成关于突变组合、实际反应条件和实验取舍的具体问题；在离散扩散语言模型（图下）中，一个新型文本生成方向，逐步展开为训练、生成速度、推理能力等不同研究路线 汤嘉斌表示：“通用模型倾向于提出近似相同的问题分布，而人类专家的反馈才是决定 RSI 系统在探索人类未知时的种子变量。” 协作越久，任务分布、判断标准、失败记录和探索脉络越完整，最终沉淀为属于个人或实验室难以复制的研究资产和数据壁垒。这些数据保留在专属空间中，只服务于对应的用户或组织。 会做，正在成为 Agent 的标配；知道什么值得做，才是探索式智能的分水岭。 Novix 不等待科学家交付一张完整的任务清单，而是持续发现、筛选并验证值得推进的下一