在人工智能领域，“自进化”正成为最炙手可热的话题。小米MiMo大模型负责人罗福莉在中关村论坛上指出，未来一到两年内，大模型有望实现自进化能力，这一进程比她一年前的预测大幅提前。更激进的观点来自Anthropic首席执行官阿莫迪，他在达沃斯论坛上表示，AI的递归自我改进可能在半年到一年内实现，人类距离AI自主构建下一代AI仅一步之遥。
这种自我改进机制一旦形成闭环，其进步速度将呈现指数级增长。上海交通大学刘鹏飞教授团队近期发表的论文《ASI-Evolve: AI Accelerates AI》正是这一方向的突破性成果。研究团队构建了一个闭环框架，让智能体在“学习经验-提出新设计-实验验证-分析结果”的循环中持续优化模型架构、训练数据筛选和强化学习算法三大核心组件。实验表明，AI确实具备了自我改进的能力。
论文第一作者徐为先的身份引发广泛关注——这位上海交通大学大三学生主导了这项研究。他的技术背景令人惊叹：不仅在AI领域深耕神经架构搜索和持续学习，还独立完成操作系统内核ACore（Rust开发）、编译器Imxc（C++实现）和基于Tomasulo架构的RISC-V处理器（Verilog设计）。其GitHub项目ASI-Arch已获得1100余星标，展现出超越同龄人的技术实力。
徐为先认为，实现真正的自我进化AI需要突破“持续自我改进”和“长期可靠性”两大瓶颈。他的研究分为两条路径：一是优化单个模型的学习目标和记忆机制，二是构建多智能体协作生态系统。这项研究的灵感源于2025年Google的AlphaEvolve项目，其核心思想是将AI的科研能力反哺自身发展，形成自我加速的循环。
尽管取得突破，徐为先强调人类指导不可或缺。ASI-Evolve系统融入了大量人类研究经验，初始目标和评估标准均由人类设定。AI的作用是在人类指引的方向上进行高效探索，而非盲目搜索所有可能性。这种模式使研究人员能够专注于战略性问题设计，而将具体技术方案的优化交给AI完成。
该系统的分析器模块是其关键创新之一。它能自动提炼实验结果中的关键模式，将有效设计选择和失败原因写入经验数据库，使系统具备真正的学习能力。徐为先比喻道：“传统自动化系统像普通刷题者，只记录对错数量；而ASI-Evolve会分析错题原因，总结解题规律。”
在神经网络架构设计方面，ASI-Evolve发现的最佳模型性能提升0.97%，接近人类设计SOTA增益的3倍。这些架构通过系统演化而非暴力搜索获得，展现了AI的创造性。在预训练数据筛选领域，AI优化的数据策略使基准测试平均提升3.96%，知识密集型任务提升超18%，标志着AI能够自主判断数据价值并完成全流程筛选。
强化学习算法设计领域同样取得突破。ASI-Evolve提出的全新算法在数学竞赛中表现优异：AMC32得分超越GRPO基线12.5分，AIME24提升11.67分，OlympiadBench提高5.04分。这些成果源于原创性的数学创新，包括新的优化目标函数和梯度更新策略。
徐为先的成就引发科技巨头对天才少年的激烈争夺。月之暗面推出的“穿越计划”提供正式offer、奖金和公司期权，吸引未毕业顶尖人才；OpenAI的Safety Fellowship则通过资金支持、计算资源和导师指导，培养AI安全与对齐领域的研究者。这些项目反映行业趋势：在AI发展速度超越人才培养速度的背景下，企业正通过提前布局争夺未来竞争优势。
这位年轻研究者展现出技术天才与生活情趣的完美平衡。作为吉他手（精通古典和电吉他）、单簧管九级持有者，他热爱羽毛球和电子游戏，并在个人主页坦诚分享恋爱状态。徐为先认为，真正的天才源于热爱、天赋与努力的结合，他希望在科研与生活间找到平衡点，享受“Happy Research”的过程。
对于未来，徐为先更关注AI的反思能力和持续学习能力。他计划通过读博深入研究模型全生命周期表现，探索训练与部署阶段的融合可能。在他看来，让AI在真实使用场景中动态进化，比单纯提升单代模型能力更重要。这种视角或许预示着AI发展的新方向——从追求静态性能转向实现动态适应。
