通研院孵化的团队，也盯上了RSI

通衍灵智采用共享基础模型（Base Model）与个性化参数（Personal Parameters）相结合的架构。基础模型提供通用知识和推理能力，不同个人、项目和企业则通过轻量化的Personal LoRA进行参数适配，将经过验证的专业偏好和行为特征逐步融入模型。

与传统行业模型主要解决不同行业之间的能力差异相比，这一路线进一步关注同一行业、同一任务中不同使用者之间的差异。例如，同样是软件开发，两个项目可能需要完全不同的工程规范；同样是投资研究，不同团队也有各自的评价标准和风险纪律。

这并不意味着知识库和长期记忆会失去价值。动态知识仍然需要检索，任务状态仍然需要记录，而那些在长期实践中反复出现、相对稳定的行为模式，则可以进一步通过训练转化为参数化能力。

个性化由此从“让模型掌握更多关于用户的信息”，逐步延伸到“让模型形成更符合用户需求的能力”。

通衍灵智CEO谢枭楠表示：“企业对AI的需求正在从获取通用能力转向积累专属能力。同一类通用智能服务会被越来越多企业获得，真正拉开差距的，是能否把自身长期形成的专业判断和做事方式沉淀为模型能力，而不是永远停留在‘查资料’的层面。”

拥有专属参数之后，新的挑战随之而来：模型如何持续吸收有价值的经验，并避免在学习过程中积累错误？

企业日常使用AI会产生大量反馈。开发者接受或修改代码，销售人员调整客户沟通策略，投资经理修正研究结论，这些行为都包含着潜在的学习信号。但单次反馈未必代表长期规律，一次成功的判断也不意味着相同策略可以适用于所有场景。

如果未经筛选就将交互记录用于训练，模型可能强化偶然偏好，甚至损害原有能力。因此，持续学习需要建立能够识别有效反馈、评估更新效果并控制模型行为变化的机制。

通衍灵智围绕这一需求研发RSI（Recursive Self-Improvement，递归自我改进）技术，通过模型与评估器协同迭代，构建持续学习框架。

在这一框架中，业务运行产生的任务轨迹、人工修正和实际结果首先形成候选学习数据，Evaluator根据具体用户或企业的评价标准，对反馈进行筛选和判断，再将有效样本用于Personal LoRA的增量更新。

更新后的模型需要接受进一步评估，比较其与原有版本的任务表现。只有符合预设要求的更新才进入服务，异常结果则需要通过版本控制和回滚机制处理。

与此同时，模型更新的实际效果也可以反向用于改进Evaluator，使系统逐渐优化学习数据的筛选方式和评价标准。

以软件研发为例，系统可以利用代码Review记录分析某类修改为什么反复被接受或拒绝，并通过后续任务验证模型是否真正掌握了相关工程要求。随着有效反馈不断积累，模型有机会逐步适应团队长期形成的工作方式。

这套机制涉及灾难性遗忘、反馈污染、模型漂移和更新稳定性等技术挑战。通衍灵智表示，目前RSI核心技术路线与产品架构已经明确，相关模块正在推进工程化，完整自动化闭环仍处于持续研发阶段。

通衍灵智CTO储兵兵表示，他们在训练的过程中，绝对不是用户点一下“拒绝”就立刻拿去训练模型，他们引入的Evaluator会先判断这个反馈有没有学习价值，一次反馈只是信号，反复出现的模式才真正可能变成学习。模型更新后还要和旧版本在同一批任务上重跑，确认提升才上线，退化就回滚，确保进化的安全与效率。

从长期看，如果模型能够在真实业务中稳定学习，企业便有机会减少反复配置和集中式训练的工作，使AI能力随着业务发展逐步更新。