ASI-Evolve：AI 加速 AI
人工智能
2026-04-01 v1
摘要
AI 是否可以加速 AI 的发展？虽然近期的智能体系统在具有快速反馈的明确任务上表现出色，但是否能应对驱动真实 AI 进步的高成本、长期跨度且弱监督的研究循环仍不明确。我们提出了 ASI-Evolve，一个用于 AI-for-AI 研究的智能体框架，通过学习-设计-实验-分析的闭环流程来实现这一目标。ASI-Evolve 将标准进化智能体增强为两个关键组件：一个认知库在每轮探索中注入累积的人类先验知识，以及一个专用分析器将复杂实验结果提炼为可供后续迭代使用的洞见。据我们所知，ASI-Evolve 是首个在 AI 发展的三个核心组成部分（数据、架构和学习算法）上Demonstrate AI 驱动发现的统一框架。在神经网络架构设计方面，它发现了 105 套 SOTA 线性注意力架构，其中最佳发现模型相较 DeltaNet 提升近 3 倍。在预训练数据 curated 方面，演化管道在平均基准性能上提升 3.96 分，MMLU 上提升超过 18 分。在强化学习算法设计方面，发现的算法在 AMC32 上超越 GRPO 最多提升 12.5 分，在 AIME24 上提升 11.67 分，在 OlympiadBench 上提升 5.04 分。我们进一步提供了 AI-for-AI 范式可迁移至 AI 堆栈之外的初步证据，包括数学和生物医学领域的实验。综上所述，ASI-Evolve 表示了一项鼓励 AI 在开发基础阶段加速 AI 进展的有前景的步骤，为闭环 AI 研究的可行性提供了初步证据。
关键词
引用
@article{arxiv.2603.29640,
title = {ASI-Evolve: AI Accelerates AI},
author = {Weixian Xu and Tiantian Mi and Yixiu Liu and Yang Nan and Zhimeng Zhou and Lyumanshan Ye and Lin Zhang and Yu Qiao and Pengfei Liu},
journal= {arXiv preprint arXiv:2603.29640},
year = {2026}
}
备注
19 pages, 6 figures, 6 tables. Code available at https://github.com/GAIR-NLP/ASI-Evolve