# \#재귀적자가개선 **URL:** https://discuss.pytorch.kr/tag/9225-tag/9225.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [재귀적 자가개선(RSI)의 기술적 분류와 차이점 분석](https://discuss.pytorch.kr/t/rsi/12057)
**Author:** [@AI\_OpenFree](https://discuss.pytorch.kr/u/AI_OpenFree)\ **댓글:** 0\ **마지막 업데이트:** [9월 30, 2026, 6:55오전 UTC](https://discuss.pytorch.kr/t/rsi/12057 "2026-09-30T06:55:51Z")
재귀적 자기개선(RSI)의 네 가지 층: 정확히 무엇이 스스로 좋아지는가 한 줄 답: 「재귀적 자기개선(RSI)」이라는 말은 이제 최소 네 가지 서로 다른 것을 가리킨다. 물어야 할 것은 스스로 좋아지느냐가 아니라 무엇이 좋아지느냐다. 모델을 둘러싼 작업 틀(harness), 모델 가중치, 모델을 채점하는 채점기, 모델을 만드는 연구 과정. 층마다 배포되는 결과물이 다르고, 실패하는 방식이 다르며, 필요한 증거도 다르다. 2026년 RSI 논문 약 1,250편을 정리한 서베이(arXiv 2607.07663)는 이 분야를 두 축으로 나눈다. 무엇을 개선하는가, 그리고 고리가 얼마나 닫혀 있는가. 이 글은 첫 번째 축을 적용해, 다음에 「스스로 좋아지는 AI」라는 주장을 읽을 때 쓸 수 있는 비교표로 정리한다. 비교표 작업 틀 RSI (Harness-level) 모델 자체 RSI (Model-level) 채점기 RSI (Evaluator-level) 연구 과정 RSI (Research-level) 바뀌는 것 프롬프트·도구·메모리·작업 흐름·에이전트 코드 모델 가중치 보상 모델·심판 학습 방법·알고리즘·실험 비유 직원의 업무 매뉴얼을 고침 직원이 똑똑해짐 시험관이 정확해짐 연구소가 연구 방법을 개선함 사례 구글 RRSI, Darwin Gödel Machine TTRL, R-Zero, Self-Rewarding LM, STaR, Darwin-RSI 자기 개선 LLM 심판·보상 모델 AlphaEvolve, 무인 사후학습 루프 배포되는 것 더 나은 설정(모델은 그대로) 새 모델 파일 더 나은 채점기 새 방법·알고리즘 이식성 작업 틀을 모델과 함께 옮겨야 함 모델만 받아도 향상 유지 채점기를 함께 써야 함 방법을 다시 적용해야 함 주 비용 강한 외부 모델(제안·비평)을 반복 호출 바퀴마다 GPU 학습 1회 중간 매우 큼 대표 실패 학습용 과제를 외움(과적합) 자기 오류를 강화(「나쁜 선생」) 채점기가 속음(보상 해킹) 검증 자체가 …