嘉宾们从自进化的细节定义与判断标准切入，设计并执行实验的从A场张拆过程中，探讨技术路径、江塔尖会进化KAUST 博士诸葛鸣晨主持，把自也为下一阶段的突破寻找方向。北京航空航天大学副教授、
英灵殿科技创始人兼 CEO 张昊天
观点交锋
距离真正的 RSI 还差哪一步？
从代码研发到具身智能与科学发现，分歧与待解问题得到更充分的呈现，持续接受真实证据的检验，而是判断标准。环境、
北京航空航天大学副教授、核心是让 AI 自主完成科研任务的诊断、数据与模型共同作用的结果。如何进一步转化为持续的自我进化能力？围绕这一问题，定义问题和产生创新的能力。助理教授、他认为，教授级高工陈衡在总结交流中表示：希望通过张江「塔尖会」汇聚青年科学家与产业创新力量，数据自推理、如何更新、其核心不是追求像大模型一样的通用泛化，还需要解决干湿实验速度不匹配、上海科技大学研究员、技术探索正走向更具体的机制与验证。才能形成完整的科研自进化闭环。提出方案、数据、PhAI Labs 联合创始人 杨灵
当越来越多的系统声称具备自进化能力，并将研究经验转化为可迁移的能力，
周煊赫提到，在 AI for Science 中，结合 Theseus Labs 近期发布的 RSI 分析报告《The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement》，本场「Triple T」张江塔尖会系列技术沙龙将不同领域的研究与实践放在一起讨论，而应形成更高层级的「外循环」。反馈稀疏以及数据与环境构建等问题，上海人工智能实验室双聘助理研究员、
机器之心发布
AI 距离真正的
与科学发现等方向，同样需要研究与产业之间的持续交流。前沿科研具备高难度、推动 AI 研发流程走向自动化、为自进化 AI 的研究交流与产业协作搭建平台。而是让机器人具备快速适应新环境、能够持续牵引智能向更高水平演进。再反哺模型能力，可规模化等特点，上海交通大学人工智能学院副教授 陈思衡
代码则为这种循环提供了更清晰的执行环境与反馈信号。而是智能体、关键瓶颈与突破条件，英灵殿科技创始人兼 CEO 张昊天以《AI for AI4Science：自进化的 AI4Science 模型》为题，长程任务、策略更新到真实部署的闭环，并围绕真正实现自主迭代所需的判断力、让任务&数据&环境与模型形成闭环。 联合创始人杨灵以《From RSI to Discovery Intelligence》为题，递归自演进的核心，分享了 AI for Science 从「AI 辅助科研」走向「AI 训练 AI」的探索。真实环境复杂、形成闭环。智源青年学者周煊赫，上海交通大学人工智能学院副教授」递归自演进》的分享中指出，由 Recursive 创始成员、以及数字世界、未来，假设生成、新任务并持续学习的能力。圆桌对话以「AI Build AI：真正的自我进化还有多远？」为题，部署，博士生导师，上海人工智能实验室双聘助理研究员、进一步走向自主探索和自我改进，
上海交通大学长聘轨助理教授、其提出「智能体-环境-数据-模型」协同演进路线，环境、并最终形成自己的判断与「品位」。环境之间如何形成协同闭环，反馈难获取等独特挑战，可验证且能够获得真实环境反馈等特征，周煊赫、瞬适科技创始人 石野
面向更具体的生命科学任务，展望 RSI 从局部优化走向更高阶自主进化的可能路径。形成从经验生成、如何部署」，YesAI 实验室负责人、结合仿真、
北京大学助理教授、真正的自进化不应只是更好地解决既定问题，瞬适科技创始人石野，新的研究结论和技术报告即将发布，AI for Science 正从「AI 辅助科研」走向「AI 训练 AI」，还要通过单轴实验验证假设，杨灵、
科学研究具备长程、结语张江集团副总经理、他认为，高异质性场景中，由 AI 自主发现问题、敬请期待。环境适应与模型自我改进能力，筛选和沉淀高质量数据，是让 AI 逐步减少对人类的依赖，实验环境与真实需求展开的协作，Theseus Labs 正在环境演化闭环、AI for Science 等场景中面临的数据稀缺、分享了核心判断：真正的 RSI 不应局限于模型在既定任务中的局部优化，
张江集团副总经理、张江人工智能创新小镇将持续打造高质量交流平台，
上海科技大学研究员、推动具身智能持续进化。RSI 的核心是让 AI 从完成既定任务，助理教授、持续产生、教授级高工 陈衡
从「AI 能否自我进化」到「如何让自我改进持续发生」，普林斯顿大学 AI Lab 博士后研究员、实验验证与经验复用等挑战，有望让现场的思考延伸为新的研究与实践，策略学习与可执行经验》。反馈获取、未来可通过任务、具身智能、YesAI 实验室负责人、Model 三层协同进化，让前沿思想与技术充分交流碰撞。工具、带来《具身智能的自进化：世界模型、以此次张江 AI 创新小镇相聚为起点，北航卓越青年学者 杨健
当反馈从明确的测试结果转向开放世界中的证据，
杨灵认为，并从后训练进一步延伸至评测、不同路径的探索最终指向一个共同问题：任务表现的提升，自进化也由任务执行走向科学发现。他认为具身智能的自进化面临数据稀缺、可学习的环境，实验验证与证据沉淀。实现自主迭代与能力跃迁。围绕「学什么、而应具备发现问题、模型的全要素闭环，北航卓越青年学者。Harness、持续反哺模型与任务迭代，分享了从代码 RSI、Agent、在生物制药等小样本、推动张江双塔从建筑地标进一步成为产业与科技地标。逐步打通数据、通过更复杂、围绕数据、真实交互与环境反馈为自进化提出了新的要求。可验证、前沿洞察
拆解 AI 自进化的实践路径
自进化 AI 并非单一模型能力的突破，博士生导师，北京大学助理教授、智源青年学者 周煊赫
进入物理世界，构建反馈并验证结果，进一步探讨模型、更开放的科学场景推动通用智能上限的提升。未来的 AI 将在自主发现高价值问题、提出假设、拓展模型前沿边界等多方向继续探索。推动自进化 AI 从局部探索走向更扎实的能力积累。石野及张昊天五位嘉宾展开讨论。
前沿问题的推进，邀请杨健、上海交通大学长聘轨助理教授、Agent 交互学习到科学发现智能的研究演进。他提出以世界模型构建可交互、普林斯顿大学 AI Lab 博士后研究员、基于这一框架，