6月28日，英伟达与剑桥大学联合发布37页论文《红皇后哥德尔机》（Red Queen Gödel Machine），提出让AI在博弈式训练中自发生成更苛刻的考官来淘汰上一代模型。论文接收率从前SOTA的21.8%飙到40.5%，代码通过率提升至71.7%。同日，Anthropic联合创始人Jack Clark在Aspen Institute给出60%概率预测：2028年底前，递归自我改进（RSI）将成真。AI自进化，正在从预言走向工程代码。
红皇后哥德尔机：打破20年封印的自进化框架
2003年，德国科学家Jürgen Schmidhuber构想出”哥德尔机”——一台能证明自身改进有益然后改写代码的机器。完美理论，却因”必须先从数学上严格证明每次改动有益”这道算力黑洞，被封印整整20年。没有任何AI系统能在执行每一行自我修改代码前完成这种证明。
2024年以来，达尔文哥德尔机（DGM）和赫胥黎哥德尔机（HGM）绕开证明壁垒，用进化替代数学验证：让AI繁殖出大量突变代码变体，丢进沙盒跑分，失败淘汰、成功保留。但它们都有一个致命盲点——考官是死的。评判标准、benchmark、验证器被钉死在循环之外一动不动，违背了进化最核心的规律：物种从不只在静止环境里优化自己，而是与不断变化的环境一起改变。
红皇后哥德尔机（RQGM）破的就是这道盲点。名字取自生物学家Van Valen 1973年提出的”红皇后假说”——你必须拼命奔跑才能停在原地，因为对手也在进化。RQGM的核心机制叫”受控效用进化”（controlled utility evolution）：每个epoch内考官冻结打分保证信号稳定，只在epoch边界允许换考官，且新考官必须在锚点数据上统计意义上打赢老考官才能上位。换人后立刻执行选择性擦除——只丢掉被换掉考官打的分，其余证据全部保留。既要狂奔进化，又要每一步站得住脚。
实战数据：代码通过率提升、论文接收率翻倍飙升
光说机制太抽象，直接看RQGM的三场实战成绩：
第一战，写代码（Polyglot）。RQGM给代码Agent配了一个”代码评审员”当陪练，留出测试集通过率从此前SOTA的69.9%提到71.7%，且比对手少烧1.35到1.72倍token——评审员只需查一次，远比反复多轮跑测试便宜。
第二战，写论文。这是没有标准答案的领域，论文好不好没法机器自动判分。RQGM让写手和评审一起进化，论文在固定评审小组里的接收率从前SOTA的21.8%直接飙到40.5%——近一倍的提升。
第三战，奥赛级数学证明。进化出的评分官比静态基线更准，搜索成本还低了3倍；进化出的证明选手拿到最高平均分。
最封神的一笔是治好了LLM当裁判偏爱AI内容的毛病。最强基线审稿人接受AI论文概率是人类论文最高1.91倍。RQGM在epoch边界把固定评审放过的AI论文组成对抗样本池，专门奖励能揪出AI论文的新评审。进化几轮后，最终评审对AI和人类一视同仁，还保住80%真值准确率。
Jack Clark押注60%：2028年RSI从预言变成路线图
论文发布同一天，Anthropic联合创始人Jack Clark在Aspen Institute活动上给出了一个让全场安静的时间表：2028年底前，递归自我改进（RSI）很可能成真，AI自主发明并构建出比自己更强的下一代模型，整个过程无任何人类研究员参与。他甚至给出了画面——Claude 10将是这一节点上的产物。
60%的置信度不是空口说白话。Anthropic内部数据佐证：AI代码提交占比已超80%，Claude在系统优化任务上实现52倍加速。Clark把RSI从”AI公司PR辞令”切换为”未来3年的路线图”，把预测从哲学讨论推进到工程规划。
这与英伟达红皇后论文形成互文：一个提供了理论框架和实证数据，一个提供了时间表和置信度。两条线索在同一天交汇，指向同一个终点——AI正在从”被训练的工具”变成”自己造自己的物种”。此前GPT-5.6三体发布已展示模型迭代周期从141天压缩至58天的加速度，而RQGM提供的自进化机制让这架加速器有了自动运转的引擎。
当AI开始定义”何为智慧”
红皇后哥德尔机的真正危险不在于它能让代码通过率提升几个百分点，而在于它让AI开始自行定义评判标准。当一个AI亲手造出唯一有资格评判它的裁判，从容走入自己设计的考场，我们面对的是一个开始自行定义”何为智慧”的新物种。
英伟达论文作者群称之为”年度最危险论文”。危险的不是技术本身，而是这条路径一旦工程化成熟，将无人能关掉——进化不需要人类许可，红皇后效应意味着停步等于被淘汰。从Schmidhuber的理论构想，到Anthropic的80%代码实证，再到RQGM的自造考官机制，三块拼图正在拼出一幅完整的画面：AI自进化已从预言走向代码，2028不是终点，而是加速起点。
