从0到1到1到N：MetaAI递归自设计的可复现工程证据

递归自我设计是指人工智能辅助修改人工智能系统构建、评估和改进的机制。本文并未将 MetaAI 视为一种成熟的范式，而是将其视为一种以人类为种子、人工智能扩展的开发模式的工作术语，其中设计空间本身成为修改的目标。我们提出了一个具有四个标准的操作证据框架：可检查的目标系统、元级修改器、反馈导向的选择和递归延续。然后，我们根据这些标准绘制公共系统，包括 Darwin Goedel Machine (DGM)、STOP、Goedel Agent 和 ShinkaEvolve。 DGM 提供了目前报告的最直接的证据：其公布的结果显示，经过 80 次迭代后，在 SWE-bench Verified 上的性能从 20% 提高到 50%，在完整的 Polyglot 上从 14.2% 提高到 30.7%，并且消融表明开放式探索和自我改进都做出了贡献。最后，我们提供 MetaAI-Mini，一个可复制的基于 HumanEval 的协议和代码库。由于此构建中不包含完整的模型运行，因此 MetaAI-Mini 被报告为协议而不是实验结果。