我造出了会自我升级的人工智能，你也能做到

作者是一名科技 newsletter 创作者，为减轻日常繁重工作（如查找、筛选、摘要前沿AI论文），尝试用递归式自我改进（recursive self-improvement）方法训练专属小型语言模型。他先用开源工具 AutoResearch，在 Claude 辅助下从零训练小模型——虽初期输出混乱重复（如‘In the beginning…’生成大量无意义嵌套），但经多轮自主调参与迭代后，模型逐渐变得连贯稳定。随后，他借助初创公司 Prime Intellect 的平台，基于自己过去100期 newsletter 中的‘前沿研究速览’栏目数据，训练出名为 Frontier_Paper_Curator 的定制模型：Claude 协助收集真实论文、生成合成数据，并引入另一模型进行效果评估；训练环境还结合强化学习持续优化。该公司CEO指出，目标是让递归自我改进技术民主化——不再仅限于顶级实验室，而是让每家企业甚至个人都能低成本打造高适配度的专业模型。类似理念也见于另一初创公司 Adaption 的 AutoScientist 工具，其服务于缺乏AI专家却急需降本增效的大企业。文章还指出，过度依赖单一前沿大模型（如Anthropic的Fable 5）存在数据隐私与技术控制权风险。最终，作者仅用不到一天就产出能初步胜任任务的模型：它能准确识别并专业摘要最新研究成果（如科大讯飞的多模态具身AI模型iFLYTEK-Embodied-Omni），虽仍略显贪多、摘要稍泛，但已展现出切实可行的自动化路径——让AI真正成为个体创作者的‘智能助手’，而非遥不可及的黑箱巨头。