Коэволюция в Recursive Self Improvement
Коэволюция в RSI - это не «модель сама себя улучшает», а процесс.
Среда делает знание доступным и действия проверяемыми. Исполнение задач даёт evidence. Более сильная модель расширяет, какие задачи и среды вообще имеет смысл строить дальше.
Theseus (в обзоре RSI, arXiv:2609.11873) раскладывает это в цикл: реконструировать workspace → найти настоящие hard cases → обучить task-модель → снова итерировать среду.
Параллельно учится environment-refiner - как перестраивать условия обучения.
Их ранняя эмпирика: при фиксированной модели реконструкция среды (карта коллекций + лог событий) дала +19…+40 п.п. по рубрикам.
Иногда апгрейд workspace бьёт сильнее апгрейда модели.
Практический вывод: не гоняй только веса. Версионируй среду, чекеры и правила приёмки и отделяй «починили env» от «поумнела модель», иначе метрики врут.
Статья: https://arxiv.org/abs/2609.11873
