一、反直觉的数字：分数涨了，参数没动
2026年9月15日，机器之心报道了Aether AI的RSIAgent。
同一时间，arXiv挂出了论文2609.
15364。
RSIAgent在OSWorld 2.
0上拿到78.
98%的Partial Score。
这个数字超过了GPT-6 Astra的72.
60%。
在Agents' Last Exam上，RSIAgent达到84.
82%。
GPT-6 Astra在同一基准上是82.
26%。
最反直觉的地方在于：底层模型参数一个都没更新。
RSIAgent不是新模型，而是一套训练无关的多智能体框架。
它把Kimi-K3和GLM-5.
3这些开源模型推过了闭源旗舰。
Aether AI给出的解释只有一句话：不Scale Model，Scale Experience。
本文拆解这套框架的三层设计：递归闭环、两阶段探索、可演化记忆。
先给结论：环境经验正在成为比模型参数更便宜的杠杆。
这个判断决定了RSIAgent的一切设计选择。
后文先用数字坐实反直觉，再逐层拆机制。
读者可以直接跳到代码骨架看最小闭环。
完整阅读可以理解Scaling Experience的完整版图。
二、Scaling Experience：另一条规模化路径
过去几年，大模型的能力跃迁几乎都围绕Scaling一词。
Scaling Law说的是：模型越大、数据越多，能力越强。
这条路径本质上是先训练、再部署。
模型进入新软件、新工具、新环境后，往往需要重新收集数据并额外训练。
Aether AI想试另一种Scaling：不继续Scale Model，而是Scale Experience。
模型参数先不动，让Agent自己进入环境探索、试错、验证。
再把得到的经验不断积累下来。
RSIAgent就是这套思路在数字环境里的具体实践。
它把Agent与环境的交互过程，变成一种持续学习过程。
核心是让Agent自己决定学什么、自己验证结果。
这与人类的学习范式高度一致：先广泛试错，再沉淀经验。
Scaling Experience的隐含假设是环境比数据更便宜。
真实环境能给出可验证的反馈，这是离线数据没有的。
模型部署后不再变强，是旧范式的最大浪费。
RSIAgent把部署后的每一次交互都变成训练素材。
这让Agent的能力边界随时间持续外扩。
参数规模决定了能力的起点，经验决定了能力的增量。
两者不是替代关系，而是不同杠杆。
对于算力有限的开源社区，经验杠杆尤其重要。
三、递归闭环：三个Agent与一份会演化的记忆
RSIAgent围绕一份不断演化的Memory，构建了多智能体递归闭环。
闭环由三个角色组成：curriculum agent、actor agent、verifier agent。
curriculum agent决定下一步应该探索什么。
actor agent进入环境执行任务并积累经验。
verifier agent根据真实环境反馈，判断结果是否可靠。
有效知识被持续写入Memory。
Agent不再只是被动完成任务，而是能自主选择学习方向。
它能获取经验，并不断扩展自己的环境知识。
这套闭环可以无限迭代：每一轮探索都成为下一轮的输入。
记忆不是历史经验的简单存储，而是逐步成为环境的因果结构。
这正是递归自我提升（RSI）的含义。
三个角色的分工值得单独说明。
curriculum agent像老师，负责设计学习课程。
actor agent像学生，负责动手执行任务。
verifier agent像考官，负责验收结果是否真实有效。
三者缺一不可，任何一方的偏差都会污染记忆。
课程设计偏了，探索会浪费在无效区域。
执行不完整，经验会缺失关键动作。
验证不可靠，错误结论会被当成真理沉淀。
RSIAgent的Memory沉淀的是因果关系。
它记录动作、条件、结果三者之间的稳定联系。
这种结构化记忆比原始轨迹更可复用。
后续任务可以直接查询因果链，而不是重放完整轨迹。
四、Broad-to-Deep：两阶段自探索策略
RSIAgent采用Broad-to-Deep的两阶段自探索策略。
Broad阶段是广泛递归自探索，用于发现多样的环境结构。
它先快速建立整体能力覆盖，类似预训练阶段。
Deep阶段是聚焦深度自探索，用于挖掘难点、隐藏约束和边界条件。
它围绕关键难点进行针对性强化，类似后训练阶段。
Broad和Deep各有不可替代的作用。
消融实验证明：移除任何一方，都会大幅影响探索的广度或深度。
两阶段策略让RSIAgent既覆盖了环境的整体面貌，又啃下了硬骨头。
Broad探索采用并行方式，一次性探索多条路线。
Deep探索则聚焦单一难点，直到发现隐藏规则。
这个设计很像人类学习：先泛读建立框架，再精读攻克难点。
两阶段的比例不是固定不变的。
任务越陌生，Broad阶段占比越高。
任务越熟悉，Deep阶段占比越高。
curriculum agent会动态调整两阶段的节奏。
它根据记忆的覆盖度决定何时切换。
这种自适应调度避免了探索资源的浪费。
实验数据支持了这个设计。
移除Broad阶段，环境覆盖出现明显空洞。
移除Deep阶段，难点任务的成功率停滞不前。
两个阶段叠加，才拿到OSWorld 2.
0的78.
98%。
这是Scaling Experience的第二个关键机制。
五、数据：开源模型如何反超闭源旗舰
RSIAgent的评测数据是本文的核心证据。
基于GLM-5.
3，RSIAgent把OSWorld 2.
0从71.
97%提升到78.
98%。
这个分数大幅超过GPT-6 Astra的72.
60%。
基于Kimi-K3，同样的策略也带来了显著提升。
在Agents' Last Exam的Near-term分项上，RSIAgent达到84.
82%。
GPT-6 Astra在同一分项上是82.
26%。
这意味着即使不更新模型参数，Agent也能突破底层模型的能力边界。
团队还把RSIAgent应用到GameCraft-Bench的自主游戏开发任务。
在mechanics、depth、visuals、art和overall quality上都带来提升。
这证明主动探索与自我进化机制，能迁移到不同类型的交互环境。
两组数字放在一起看更有意思。
OSWorld 2.
0考验的是真实桌面环境的操作能力。
Agents' Last Exam考验的是开放式智能体任务的难度上限。
一个偏执行，一个偏推理，两个方向都涨了。
这说明经验积累不是单一能力的提升，而是整体能力的抬升。
RL训练过的模型通常只擅长训练时见过的任务分布。
RSIAgent的经验记忆则能泛化到新环境。
因为它沉淀的是因果关系，而不是任务答案。
因果知识可以迁移到结构相似的新环境。
这是Scaling Experience最被低估的价值。
六、RSI轮次：探索越多，进化越明显
RSIAgent最直观的效果随轮次累积而放大。
简单任务经过少量RSI轮次就能快速收敛。
复杂任务需要更多轮主动探索，才能逐步发现隐藏变量。
部分初始成功率只有0到40%的任务，最终可以提升到100%。
这个进化曲线接近人类学习的幂律特征。
先期投入回报低，越过临界点后快速拉升。
对工程实践来说，这意味着要留足探索轮次预算。
过早中断RSI循环，会错过能力质变点。
轮次预算应该按任务复杂度动态分配。
简单任务给少量轮次，复杂任务给大量轮次。
curriculum agent会根据收敛速度调整节奏。
收敛快说明探索有效，可以加快进度。
收敛慢说明遇到瓶颈，需要切换探索策略。
RSIAgent的论文给出了轮次与分数的对应关系。
这个数据可以直接用来设计自己的探索预算。
需要注意的是，轮次增加也会带来成本。
每轮探索都调用底层模型与环境交互。
预算管理要在能力收益与推理成本之间平衡。
先跑小规模实验找到曲线拐点，再放大投入。
七、一个可运行的闭环骨架
下面是RSIAgent核心闭环的最小Python骨架。
它演示了curriculum、actor、verifier三角色的协作方式。
```python
import json
from dataclasses import dataclass, field
from typing import List
@dataclass
class Experience:
action: str
condition: str
outcome: str
valid: bool = False
@dataclass
class Memory:
items: List[Experience] = field(default_factory=list)
def store(self, exp: Experience) -> None:
if exp.valid:
self.items.append(exp)
def retrieve(self, condition: str) -> List[Experience]:
return [e for e in self.items if e.condition == condition]
class CurriculumAgent:
def next_task(self, memory: Memory, round_no: int) -> str:
explored = {e.condition for e in memory.items}
if round_no < 5:
return "broad:sample_unseen"
missing = self._hard_cases(memory)
return f"deep:{missing}" if missing else "broad:expand"
def _hard_cases(self, memory: Memory) -> str:
failed = [e for e in memory.items if e.outcome == "failed"]
return failed[-1].condition if failed else ""
class ActorAgent:
def run(self, task: str) -> Experience:
condition = task.split(":")[-1]
success = "unseen" not in condition
return Experience(
action=f"try_{task}",
condition=condition,
outcome="success" if success else "failed",
)
class VerifierAgent:
def verify(self, exp: Experience) -> bool:
return exp.outcome == "success" and len(exp.action) > 3
def rsi_loop(rounds: int = 12) -> Memory:
memory = Memory()
curriculum = CurriculumAgent()
actor = ActorAgent()
verifier = VerifierAgent()
for r in range(rounds):
task = curriculum.next_task(memory, r)
exp = actor.run(task)
exp.valid = verifier.verify(exp)
memory.store(exp)
print(f"round={r} task={task} valid={exp.valid} total={len(memory.items)}")
return memory
if __name__ == "__main__":
memory = rsi_loop()
print(json.dumps(
[e.__dict__ for e in memory.items],
ensure_ascii=False,
indent=2,
))
```真实实现里，actor调用的是真实环境接口。
verifier读取的是环境的真实反馈，而不是字符串判断。
记忆沉淀的是动作、条件、结果之间的因果关系。
这个骨架的价值在于：展示了RSI三角色循环的最小形态。
运行它会看到curriculum从broad逐步切到deep。
你可以把它当脚手架，替换成真实环境的API调用。
替换actor的实现，环境反馈就能进入记忆。
替换verifier的实现，验收标准就能自定义。
骨架本身不依赖任何外部库，可直接运行。
八、Scaling Experience的工程启示
RSIAgent给Agent工程带来的第一个启示：参数不是唯一杠杆。
在模型推理成本高企的今天，环境经验是可以复用的资产。
第二个启示：验证器是整个闭环的守门人。
没有可靠的环境反馈，经验沉淀就是噪音积累。
第三个启示：课程设计决定了探索效率。
Broad-to-Deep的分阶段策略，比随机探索收敛快得多。
第四个启示：记忆需要结构化。
RSIAgent沉淀的不是原始轨迹，而是可复用的因果关系。
这与传统的RAG记忆有本质区别。
RAG检索的是相似文本，RSIAgent复用的是动作条件结果的因果链。
工程落地时，先回答三个问题。
第一个问题：你的环境能不能给出可验证的反馈。
第二个问题：你的记忆能不能结构化表达因果关系。
第三个问题：你的课程能否动态调整探索方向。
三个答案都是肯定，RSIAgent的思路就值得移植。
如果反馈不可靠，先补验证器，再谈经验积累。
这是整套机制的地基。
九、与RAG记忆和RL训练的边界
RSIAgent经常被拿来和RAG、RL对比，三者的边界需要澄清。
RAG解决的是知识检索问题，记忆的是文档片段。
RSIAgent解决的是环境适应问题，记忆的是因果知识。
RAG的检索结果是静态文本，RSIAgent的记忆是可执行规则。
RL解决的是策略优化问题，通过奖励信号调参。
RSIAgent解决的是经验积累问题，通过验证信号沉淀记忆。
RL要更新模型参数，RSIAgent完全不动参数。
RL需要大量轨迹采样，RSIAgent每轮探索都直接沉淀。
RL的奖励设计是难点，RSIAgent的验证器是难点。
两者可以互补：先RSIAgent积累环境知识，再用RL微调模型。
这种组合在论文中被视为未来方向。
边界清晰后，选型就不容易混淆。
需要实时问答能力，用RAG。
需要交互环境中的持续进化，用RSIAgent。
需要特定策略的最优解，用RL。
三者的组合正在成为生产级Agent的标准配置。
十、因果智能的更大版图
RSIAgent只是Aether AI因果路线的数字环境载体。
Causal-Copilot探索如何让Agent自主完成因果分析。
C-World构建开放式工具使用环境，让Agent持续测试并收集经验。
Auto-scaling Continuous Memory研究如何让经验沉淀为可扩展的长期记忆。
Hybrid Self-Evolving Structured Memory进一步统一这些能力。
StructAgent把这些能力统一到长程数字智能体中。
无论数字智能体调用工具，还是机器人在物理世界操作。
本质都是同一个问题：一次行动如何改变环境。
这些变化又由哪些真正的因果机制决定。
RSIAgent让Agent从被动训练走向主动因果发现与学习。
它主动识别真正影响结果的变量。
它理解行动与结果之间的因果结构。
这比从历史数据学习相关性更进一步。
因果知识具有更强的迁移性。
换一个相似环境，因果结构依然成立。
这是RSIAgent能泛化到游戏环境的原因之一。
Aether AI的版图显示，这条路还很长。
但RSIAgent证明了数字环境是因果学习的最佳试验场。
十一、落地清单与三个长期坑
如果你想把RSIAgent的思路用到自己的Agent系统，建议按序落地。
第一步：为Agent接入真实环境的可验证反馈通道。
第二步：实现curriculum、actor、verifier三角色，而不是一个全能Agent。
第三步：设计结构化记忆，明确动作条件结果的schema。
第四步：先用小环境验证闭环，再扩展到复杂任务。
第五步：监控每轮探索的成功率与记忆增长曲线。
第六步：根据收敛速度动态调整Broad与Deep的比例。
三个长期坑要特别注意。
第一个坑：验证器不可靠时，经验会污染记忆。
错误结论一旦沉淀，后续探索全部建立在沙地上。
第二个坑：Broad阶段不足，Deep探索会陷入局部最优。
没见过全貌就深挖，容易在错误区域浪费轮次。
第三个坑：记忆无限增长后，检索成本会吃掉收益。
需要为记忆设计衰减、归档或压缩机制。
RSIAgent的论文给出了这些问题的部分答案。
更完整的工程答案，还需要社区继续迭代。
先跑通最小闭环，再逐条解决三个坑。
这是把Scaling Experience搬进自己系统的最稳路径。
十二、结语：经验正在成为新的规模轴
Scaling Model统治了AI过去五年的叙事。
Scaling Experience正在成为新的候选答案。
RSIAgent用一组反直觉的数字证明了可行性。
开源模型不动参数，也能在基准上反超闭源旗舰。
这不是模型之间的竞争，而是范式之间的竞争。
对开发者而言，这意味着新的机会窗口。
算力不再是能力的唯一门票，环境与验证设计同样重要。
会设计探索闭环的团队，可以用小模型做出大结果。
这个判断值得每一个做Agent的人认真对待。
本文的拆解到此结束，代码骨架可以直接复用。
如果你在移植过程中踩到坑，欢迎对照本文的三个坑自查。
Scaling Experience的故事才刚刚开始。