递归自我改进与科研发现

递归自我改进（RSI）在代码终端与科研假设发现上的进展：@NFT_Chen 介绍腾讯混元开源论文 Terminal-RSI，用 Base → RSR-1 → RPR-1 → RSR-2 → RPR-2 两轮闭环把 Qwen3.8-27B 在 Terminal-Bench 2.1 上从 51.70% 提升到 86.52%（+34.82pp），TB 4.0 从 0% 到 19.84%，TB Hard 达 79%，长程 process reward 从 0.21 升至 0.37。@LingYang_PU 发布 DiscoveryRSI，递归学习发现有价值假设，DiscoveryRSI-27B 的假设有 6.3% 与后来发表的工作吻合，对比 GPT-6 的 2.5% 和 Claude Opus 5 的 2.3%，附论文、代码与项目页链接。