Jeff Clune谈AGI最快路径:AI造AI与自动生成训练环境
Recursive 联创 Jeff Clune :“QD、开放式、AI 生成算法,我觉得它们就是下一代伟大的 AI。”

11 月 12 日,CoRL 2026 进入最后一天。主会收官之后,32 场 Workshop 紧锣密鼓地铺开,其中一场的主题是持续自进化(Continually Self-Improving),英属哥伦比亚大学教授、Uber AI Labs 创始成员 Jeff Clune 到场分享。
今年 5 月,田渊栋(前 Meta FAIR 研究总监、ELF OpenGo 主导者)和另外七位联合创始人一起创立了 Recursive Superintelligence,Jeff Clune 就在这八人之中。公司首轮融资 6.5 亿美元,投后估值 46.5 亿美元,谷歌 GV 与 Greycroft 联合领投,英伟达和 AMD 两家算力巨头也同时下注。
市面上多数打着递归式自我改进(RSI)旗号的团队,做的是后训练层面的代码自改写、prompt 自优化、agent 工作流自搜索。Recursive 不一样,它是全球唯一在预训练阶段做 RSI 的公司。田渊栋近期透露,他们的系统已经能自己写出高性能的 GPU Kernel,也就是显卡的底层计算程序,相当于直接跟硬件打交道的核心代码,部分任务上的表现比专业工程团队还好。
在自进化这条线上,Jeff Clune 的研究从一开始就盯着最上游的模型训练环节。2019 年他发表过一篇论文,在当时看来近乎科学幻想:通往 AGI 最快的路,是人造出“能造 AI 的 AI”,他给这东西起名 AI 生成算法。路线图上立着三根支柱——自己会进化的架构、自己会进化的学习算法、自动生成的训练环境。第三根柱子的措辞值得留意,说的是“训练环境”,而非“推理环境”或“部署环境”。
六年下来,那张路线图上的条目正在一项项落地。达尔文哥德尔机能自己改写自己的代码,把 SWE-bench 的成绩从 20% 提到 50%;AI 科学家能自己出题、自己跑实验、自己写论文,投出去的稿子也过了同行评审。演讲里,Jeff Clune 把这些工作讲得更细。
以下为演讲现场精编内容。

生活里有个悖论:越死磕难题,越容易失败;先把大目标放一边,反倒能走得更远。
科学和技术史上,每一件极难的事都有同样的性质。用火做饭的年代,你只想着做饭更快,就永远造不出微波炉。没有计算机的年代,你只资助算得更快的人,就永远得不到计算机。要得到计算机,得有人去搞电、搞真空管,这些技术根本不是奔着“算得更快”发明出来的。
所以难题只有一种解法:像基础科学家那样,去试自己能做什么、能解什么,在目标之间来回切换,凭你觉得“有可能”和“有意思”的东西去挑下一个目标。
“换目标”这个想法出自 2016 年的一篇论文。假设你做机器人,想让机器人往前走,算法却开始学爬行、学单腿站立保持平衡,别把这些当成没用的小动作扔掉。它们没让机器人前进的速度明显变快,但可能是前进运动的垫脚石。我们希望算法能抓住这种“诶,这个有意思”的发现。
这就是创新引擎(innovation engines)的想法。自然演化、文化演化都是创新引擎,共用一套配方:存档里装着发明过的一切,把东西取出来,稍加修改和组合,如果变成了更好的版本,就把这个更好的放回存档里。
今天讲三类算法,都在试着复现这种创新的力量:质量多样性(QD)算法、开放式算法、AI 生成算法。
QD 不追求唯一最优解,它满世界地问:这个问题,我到底能有哪些截然不同的好解法?
其中流传最广、也最能代表这个方向的,是我十几年前做的 MAP-Elites。做法是挑出几个关心的变异维度(比如身高),再定一个性能指标(比如速度),用一组参数向量来描述机器人,评估出各项指标后,填进多维存档对应的格子里。接下来进入循环:取出一个指标改一改,重新评估,只要它在这个格子里是历来最好的,就替换进去,如此反复。它最后给出的不是单个点,而是一整张曲面,哪里强、哪里弱、哪里还有空间,一眼就能看清。

2015 年,我们拿 QD 来做软体机器人。经典优化只能得到性能偏低的解;而刻意去鼓励多样性,多样性反倒更少,原因是系统一旦找到高性能解,就不肯用性能去换多样性。改用 QD 后,同样的算力,探索出来的覆盖范围完全不同。这些存档还能拿来“做科研”:盯着某个格子里最终最好的解,一路回溯它的祖先,就会看到搜索走过一条相当绕的路。
2021 年,我们又用 QD 去啃强化学习里的硬探索问题,目标是尽可能多地到达状态,而且质量要最高。拿它去玩《蒙特祖玛的复仇》,领域天花板直接被掀掉,成绩超过人类世界纪录,所有关卡一路解完,当时最好的那些探索方法全被它打赢。

可 QD 再厉害,也还是被关在单一环境里。于是就有了开放式算法,这也是我研究了一辈子的方向。我们想要一种能永远创新下去的算法,哪怕它跑上十亿年,你仍然愿意回来看看,因为它还在创新。
谁要是能解决这个问题,我觉得该给他颁个大奖。就我所知,目前开放式算法只有两个:自然演化和文化演化。要点在于,每解决一个问题,就会打开新的问题,而不是朝某个基准的分数收敛。
几年前,我们在 Uber AI Labs 做出了 POET,第一次把环境本身也当作基因组的一部分,让环境存档不断生长,同时允许更换目标。有意思的是,POET 自己发明了很多难度很高、彼此各不相同的题目,并且把它们解决了。

把眼光拉远,看整个领域的野心:AGI、ASI、RSI,叫什么随你。2019 年那篇讲 AI 生成算法的论文里,我提过一个趋势:算力和数据越多,手工设计的流程和组件就越会被学出来的东西替代。把这个逻辑套到 AGI 上,通往 AGI 最快的路,就是能造出更好 AI 的 AI。我当时管它叫 AI 生成算法,现在大家叫递归式自我改进。
要把它做成,至少得把三根支柱往前推:架构(Transformer 不会是最后一个)、学习算法、自动生成训练环境。今天重点讲第三根。
真正开放的算法,得有一个足够大的环境搜索空间撑住。可大量环境卡在两头:要么压根做不出来,要么难到没法用,要么又太浅。新环境怎么才算跟以往“有意思地不同”?现在的做法是直接把问题抛给基础模型:这 12 个环境我都做过了,下一个值得玩的技能是什么?这么一问,“有意思”该怎么定义这个老难题就被绕过去了。
会出题只是一半。另一半是自动替任何任务设计奖励,并且判断它到底有没有被解出来,也就是通用奖励函数。可以走的一条路,是把任务视频交给视频语言模型;另一条路,是让 GPT 当场写出奖励代码。均匀采样不行,单一指标也不行,OMNI 的办法是慢慢学出一套聪明的课程。
但厨房还是那个厨房,人依然被困在里面。要想把野心放大,就得踏进“达尔文完备”(Darwin-complete)的搜索空间。
头一个方向是代码。OMNI-EPIC 让系统用代码生成任意环境,障碍赛道就这么出来了,逻辑题、编程题、清理餐厅的机器人也能生成,类型差得很远。

第二个方向落在神经网络本身,项目名叫 Genie,是个世界模型,由我和 DeepMind 的同事共同完成。给它文本、图像或者草图,它就把环境生成出来。第一代只给出一秒长、模糊的二维视频;九个月后 Genie 2 拿出了三维世界;又过八个月,Genie 3 已经接近 3A 游戏级渲染器,Waymo 用它训练自动驾驶。那 Genie 4、5、10 会是什么样?
这套路子有多通用,接下来看几个例子。其一是智能体系统的自动设计:过去复杂的工作流靠人手工搭,现在干脆直接搜索智能体系统,让 AI 去造更好的 AI,结果它们很快就超过了当时所有手工设计的脚手架。其二是让一个高性能智能体的存档不断生长,它确实在变好,而且常常要先变差才变好。再往前是 Hyperagents,智能体可以改自己的代码,也能改自己自我提升的那部分能力。同样的思路还用在持续学习上:学会给任务记笔记,以后再碰上类似任务,当场取出来用。
最后是 AI 科学家。几个月前我们发在 Nature 上的文章问了一个问题:写论文的全流程,AI 能不能一个人做完?答案是可以。

出想法、设计和跑实验、做分析和可视化、把稿子写完,再自己给自己做同行评审,这些它都能干。我们拿它的部分论文去送同行评审,结果被接收了;在 workshop 里,评分比当年人类投稿中 45% 的都要高。而且这里存在 scaling 规律,模型越强,做得越好。所以往后不会只是某一篇论文的事,而是 AI 科学家不断读自己的发现,一个创新接下一个创新。
这正是眼下 AI 最热的题目之一:递归式自我改进。我和朋友创办了公司 Recursive,目标就是开放式 AI。图像生成走过的十年,从糟糕透顶到接近完美,我们现在差不多站在中间;而递归式自我改进,大概才刚到勉强能用的位置。

最后想说的一点:QD、开放式方法、AI 生成算法,会持续造出垫脚石、换掉目标、学会创新,这很可能是通向超级智能最快的一条路。所以不妨在自己的研究领域里想一想,这些想法能怎么用上,我认为它们就是下一代伟大的 AI。
▎Q:你的方法看上去会被环境特征卡住,这些特征的多样性、规模,还有评估成本,你觉得该怎么解决?
A:机器人上已经有不少人在用这些想法,我前面提到的那些项目就是。也可以拿我们在 Nature 那篇论文里的东西,先学出一个高质量任务库,再想办法把它用起来做迁移。做法是在仿真里用海量、多样的任务训练,攒下很多技能;放到真实世界里试;然后额外加一个小算法,只在迁移得好的那些东西上训练。
以上是现场精炼的干货版,演讲实录全文可联系作者获取。
国际机器人顶会 CoRL 2026 已经召开,参会的研究者、学生,以及关注 AI 前沿进展的读者,欢迎加入交流群。