iCoder-27B：前沿工业编码模型的递归AI主导开发

递归AI——AI在构建和改进AI中承担越来越完整角色的前景——是面向AI的AI的皇冠明珠。尽管递归自开发对小型模型、有界任务和固定时间预算已成为现实，但这一雄心更具分量的实现——开发一个可发布、具备前沿竞争力的模型——仍然困难得多。在这项工作中，我们探究多少人类参与对智能体开发前沿模型是充分的。我们把人类输入集中到一个高密度、低频次的接口：专家将目标、阶段脚手架、权限边界和操作规程编码为可复用的研究技能，而智能体实例化这些先验、选择实验、诊断结果并修订训练策略。在具有挑战性的工业编码领域，智能体演化数据并协调SFT、在线策略自蒸馏和可验证奖励的强化学习，最终产出iCoder——一个面向RTL设计和GPU内核优化的27B模型。在七个基准上，iCoder在RTLLM上领先，超越GPT-5.5和Claude-Opus-4.8；在CVDP和KernelBench L2上排名第二，超出GPT-5.5达16分；并与Claude-Opus-4.8并列TritonBench最佳。探索性案例研究进一步显示iCoder以明显更少的token进行有竞争力的迭代式RTL和GPU内核优化。这些结果绘制了一条通往递归自我改进的工程路径：人类提炼模型构建的原则，智能体通过证据驱动的实验将其落地，每一代AI成为下一代更能干的架构师。