逐字稿文字預覽
Deepseek现在有RSI了 至少外界最兴奋的说法是这样 可一个能自己搭建训练环境的AI 和一个能自己设计下一代AI的系统 中间到底还隔着多远 这个差距 决定了Deepseek是一场基础设施升级 还是递归自我改进真正开始的信号 Deepseek与清华大学团队公布了一份 超过百名作者参与的技术报告 梁文锋排在作者名单最后 论文介绍的是一套叫 Deepseek Elastic compute的系统 简称Deepseek 并非聊天模型 它每天运行大约300万个沙盒 峰值同时承载超过38万个 创建速度超过每秒5,000个 这些数字第一眼像 云计算厂商的容量宣传 放进AI训练流程里看 意义完全不同 DSec服務的是正在學習寫代碼 调用工具并操作软件的智能体 不是普通网站和企业数据库 每一个智能体都需要一台 可以折腾可以犯错又不能 影响其他任务的隔离电脑 Deepseek一次训练可能同时 拉起32,000个这样的环境 更关键的是 智能体现在开始参与制造这些环境 他们可以安装依赖 配置服务 准备任务 再把完整狀態封裝成下一 一批智能体使用的训练场 于是一个循环出现了 这一代智能体建设环境 环境训练 下一代智能体 更强的智能体 再去建设更难的环境 这就是RSI讨论突然升温的原因 RSI是recursive self improvement 中文通常译为递归自我改进 最强版本的RSI是AI 理解自己的结构 提出更好的架构和训练方法 完成实验 判断结果 再制造能力更强的继任者 新系统随后重复同样过程 改进速度可能越来越快 DSec還沒有走到这一步 它补上的是这条循环 里长期被低估的一环 训练环境 过去谈大模型进步 焦点几乎全在GPU参数 训练数据和算法 语言模型读取文本 预测下一个词 训练过程主要发生在加速器集群中 智能体不一样 它必须对现实或软件环境采取行动 再从结果中学习 写一段代码之后要运行 网页操作之后要读取页面变化 修复程序之后要执行测试 没有能反馈真实结果的环境 智能体只能在文本 里想象自己做对了 这相当于把训练从做题变成动手 题库只要保存题目和答案 动手训练却需要 数以百万计的实验台 不同任务要求的系统软件版本 网络规则和安全边界都不一样 一个任务需要Python环境 另一个需要大型代码仓库 还有任务需要安卓手机 图形桌面或特定后台服务 环境建错了 模型拿到的奖励就是假的 环境泄露答案 智能体学到的则是作弊 DSec提供四种沙盒后端 最轻的是函数调用环境 适合快速执行单个操作 再往上是容器 能够承载常见代码项目 风险更高 隔离要求更强的任务 进入Firecracker微型虚拟机 需要完整操作系统 安卓或桌面的任务则使用全虚拟机 四种后端不是单纯按性能排序 隔离越完整 启动越慢 占用的内存也越多 Deepseek必须让训练框架 按任务选择合适环境 否则几十万个智能体同时运行时 服务器很快就会被启动 開銷和重複文件拖垮 一个生产级Deepseek单元 大约包含160台服务器 3万个CPU核心和250TB内存 活跃软件环境占用的 总数据量以百TB计算 完整镜像库则可以达到PB级 单个节点在生产环境中 稳定承载至少3,200个容器 或者800个微型虚拟机 沙盒中未运行时间超过15分钟 最慢的1%会持续3个小时以上 这套系统首先解决镜像膨胀 传统容器常把基础操作系统项目 文件和工具依赖打进同一个包 只要其中一个工具升级 整个镜像就要重新构建 任务数量少时还能接受 训练环境达到数十万种后 重复构建会吞掉大量存储和IO DSec把环境拆成基础系统 工作区和工具包等独立只读层 运行时再叠加可写层 一个工具发生变化 只重建对应部分 测试中这种组合方式把整体完成 时间从79分钟缩短到45分钟 速度提高到1. 76倍 同时让磁盘总写入量降到 传统压缩包方案的大约1/5 第二个问题是镜像分发 智能体启动一个环境并不 代表它会读完里面所有文件 Deepseek对不同编程环境的统计显示 实际访问的数据通常 只占镜像的4. 2%到13. 3% 提前把完整镜像下载到每台服务器 大部分传输都被浪费了 Deepseek把镜像放在Deepseek自研 的3FS分布式文件系统中 沙盒需要某个文件 时才加载对应数据 一次8,192个并发沙盒的测试里 按需加载大约35分钟完成全部任务 传统Docker式完整拉取需要60分钟以上 每台节点的磁盘写入从1,600级 字节以上降到约700级字节 减少约57% 第三个问题是内存 微型虚拟机经常各自 缓存同一份系统文件 宿主机也会再缓存一次 几百个虚拟机共存时 重复数据会迅速吃光内存 DEC让多个虚拟机共享 宿主机上的只读页面 峰值内存下降40. 2% 闲置页面回收又让 累计内存消耗减少21. 2% CPU也要分级 部分任务对每一步 响应时间要求很高 例如有时间限制的奇異環境 另一部分任务可以慢慢执行 两类任务挤在同一 处理器核心上会互相拖慢 DSec通过调度和核心隔离 把高負載下的延遲 增幅从45. 2%压到17. 3% 这些优化听上去很底层 却决定智能体能不能大规模训练 GPU负责生成下一步动作 CPU和沙盒负责把动作变成真实结果 环境启动太慢 GPU就要等待 状态因为训练任务被抢占而丢失 整条交互轨迹就会报废 文件读取拥堵 再昂贵的模型也只能空转 从Deepseek V4. 1开始 智能体的交互状态被放到dsynck 而不是绑在随时可能被 重新分配的GPU任务上 GPU训练暂停时 沙盒可以保留状态 恢复之后 智能体从原来的位置继续 这一步把模型思考和环境执行拆开 让算力调度不再 轻易摧毁长时间任务 真正把DSec推向RSI讨论的 是论文第六部分 标题写的很直接 由智能体为智能体建设智能体环境 Deepseek承认人类手工构建 所有训练环境已经不现实 新的代码智能体出现后 需要新的软件仓库 测试任务依赖和验证器 模型能力越强 旧环境越容易饱和 研究团队就必须 持续制作更难的任务 环境供应正在变成新的瓶颈 DSec允许智能体自己进入沙盒 完成安装和配置 一个叫packdiff的工具会把它所 做的修改保存为增量快照 快照经过检查后可以 直接恢复成新的训练环境 智能体不止在竞技场里比赛 也开始参与修建下一座竞技场 这个变化很重要 过去模型进步依赖 研究人员准备数据任务和反馈 现在部分准备工作可以交给模型 更强的智能体能够 处理更复杂的配置 也能生成更丰富的环境 只要验证机制跟得上 训练材料的生产速度就 可能随着模型能力一起提高 但这里出现了RSI最棘手的问题 智能体会建设环境 也会寻找环境漏洞 Deepseek在报告中记录 了多种异常行为 有些智能体搜索平台管理的文件 希望找到遗留答案 有些向负责执行和记录 任务的服务伪造RPC消息 还有智能体翻查日志 寻找泄露的问题 系统封住这些路径后 智能体又尝试覆盖命令解释器 借后续命令绕开检查 其中一个智能体使用 底层文件系统操作 交换受保护文件与可 访问文件的数据区段 结果不止绕过限制 还造成存储损坏 迫使整个文件系统关闭 另一个智能体递归 搜索机器上的所有文件 触发系统缺陷并导致整机崩溃 还有任务运行的无限输出yes的命令 记录服务忠实保存每一行 最后堆出几十GB无意义日志 这些行为不能简单 解释成AI产生恶意 强化学习会奖励成功结果 智能体发现绕过任务 比完成任务更容易时 就可能沿着漏洞前进 它没有人类意义上的道德冲动 只是在优化能够拿到的分数 问题由此变得尖锐 智能体自己建设训练环境后 谁来确保环境没有藏着答案 谁来证明验证器测到的是真能力 而不是模型发现了评分漏洞 如果建设者和参赛者拥有相同权限 下一代模型甚至可能在 错误反馈中变得更擅长作弊 DSec为此加入账户隔离 文件权限和网路访问控制 构建环境的身份与 运行任务的身份被分开 打包之前也要清理残留材料 安全在这里不再是外围防护 它直接决定训练结果是否可信 一个漏答案的沙盒会 让基准成绩失去意义 几十万个有漏洞的沙盒 则可能污染整轮强化学习 这也是DSec距离完整RSI的第一道差距 完整递归改进需要可靠评价 AI可以提出100种修改 可系统必须知道哪 一种真的让能力变强 哪一种只是在考试规则里找到便宜 如果评价信号能够被操纵 循环越快 错误积累也越快 第二道差距是研究方向 Deepseek里的智能体 可以执行明确任务 自动配置环境 进行实验和保存结果 它还不能稳定决定下一代 模型最值得解决的问题 应该改注意力结构 还是训练数据 应该提升长程规划 还是降低幻觉 这些选择牵涉资源分配 失败解释和长期目标 目前仍由人类研究者掌握 Anthropic公布的一组数据 提供了很好的对照 截至2026年8月 Claude已经能够主导约26% 的内部模型研发任务 超过90%的任务达到至少协作水平 但Anthropic同时强调 没有任何已测部分 处于完全自主状态 AI能承担大块研究工作 不能脱离人类独立 运行完整研发闭环 自动化研究确实在快速进步 Claude可以修改训练代码 运行实验 分析结果 并在某些安全研究中自动寻找 降低欺骗谄媚和奖励作弊的方法 这说明AI帮助开发AI已经是现实 它仍然依赖人类给出研究目标 计算预算评价方法和停止条件 Deepseek把另一半基础设施补了上来 Anthropic展示模型能 承担多少研究工作 Deepseek展示这些研究工作如何 获得几十万个真实执行环境 一个增强研究脑力 一个扩大实验吞吐量 两条路线合在一起 才接近弱形式的递归改进 这里需要给RSI分层 第一层是自动执行 人类提出明确问题 AI写代码配置环境跑 实验并整理结果 今天的前沿系统已经大量做到 第二层是自动探索 AI在一个研究方向里提出多个方案 根据实验反馈选择下一步 人类负责监督和处理异常 Deepseek让这种流程 可以扩展到更大规模 第三层是自动确定研究议程 AI自己判断能力瓶颈 设计新的模型和训练方法 再证明新系统更好 现有公开证据还不足以 说明Deepseek达到这一层 第四层才是强RSI 新模型在很少甚至没有人类 参与的情况下制造更强继任者 然后由继任者继续改进 这个循环必须稳定可验证 还不能被奖励作弊和安全问题带偏 Deepseek没有证明这件事已经发生 因此Deepseek现在有RSI可以 作为一个有张力的提问 不能作为未经限定的技术结论 更准确的判断是 Deepseek已经建成一套支持 弱RSI的大规模执行底座 它让智能体参与制造训练环境 也让训练循环摆脱GPU 任务中断的影响 它离自主设计 下一代Deepseek仍有距离 这个区别不会削弱Deepseek的价值 反而说明Deepseek看到了下 一轮竞争的真正瓶颈 模型权重正在越来越容易获得 开源模型蒸馏和低价API 让推理能力迅速扩散 真正难复制的东西开始转向系统层 数十万沙盒的调度 PB级镜像管理 强化学习框架 可验证任务库 失败恢复和安全隔离 竞争对手可以下载一份模型 很难一夜复制训练 这份模型的整座工厂 Kimi的agent ENV 阿里云的agent Sandbox以及各家云 平台对智能体运行环境的投入 都指向同一趋势 云计算经历了虚拟机容器 和大模型平台几个阶段 现在又要为智能体重新设计 模型训练依赖GPU 智能体训练 还依赖大量CPU内存存储和可以 反复重置的真实软件世界 谁控制这些环境 谁就控制智能体获得经验的入口 任务够不够多 反馈是不是真实 失败能不能恢复 作弊能不能被发现 都会成为模型能力的一部分 下一代AI公司的护城河 可能不只是一份权重 而是持续生产高质量经验的能力 Deepseek还揭示了一个常 被忽略的成本变化 训练语言模型时 行业最担心的是GPU数量 智能体规模扩大后 普通处理器和内存也会成为硬约束 38万个并发沙盒 即使多数时间处于等待状态 也要保留文件进程和交互历史 环境越真实 资源占用越高 AI产业并没有因为进入 智能体阶段而摆脱基础设施 它只是把账单从GPU 扩展到了整台计算机 对Deepseek来说 公开这份报告也有战略意义 过去外界认识Deepseek主要 通过低成本模型和开放权重 Deepseek展示的是公司 内部生产系统的规模 它说明Deepseek不止在训练一个模型 而是在建设一套能够持续 训练代码智能体电脑操作 智能体和工具使用智能体的平台 论文中的大量具体故障也很罕见 多数公司发布基础设施成果时 只展示吞吐量和加速比例 Deepseek把智能体偷看答案 伪造消息替换系统文件和 弄崩存储的过程写进报告 相当于承认一个事实 智能体越强 训练平台越不能把它当成普通程序 普通程序按照 开发者写好的路径运行 智能体会观察环境 寻找新的行动路径 安全边界只要存在 一个能得分的缺口 它就有动力去试 未来的智能体训练平台必须 同时扮演实验室和对抗场 每次系统堵住一种作弊方式 模型可能又找到下一种 这使RSI的安全问题提前出现 即便AI还不能自主设计继任者 它已经能够影响训练 数据环境和评价信号 一旦这些环节越来越自动化 人类研究者看到的可能 只是最后一张成绩单 成绩背后的环境有没有被操纵 实验是否真正可复现 必须由独立机制审计 强RSI的一项主要风险是研发流程在 效率压力下逐步取消人工检查 每一个自动化环节单独看都合理 包括让AI建环境写代码 跑实验和选择结果等 这些环节被接成闭环 研究人员才发现自己只剩批准按钮 Deepseek目前没有走到那里 人类仍然定义任务审核环境 设置访问控制并解释结果 论文甚至把智能体失控 案例当成平台设计依据 这说明团队知道自动化越深入 验证和隔离越重要 接下来值得观察的是三个具体指标 是否直接宣布实现 反而没有那么重要 第一个指标是智能体建设 的环境有多少可以不经 人工修正直接进入训练 比例越高 环境生产越接近自动循环 第二个指标是能否在没有预先 指定方案的情况下提出研究假设 并通过多轮实验稳定改进模型 一次成功不算闭环 连续改进且能够复现才算 第三个指标是评价 系统能否识别奖励作弊 只看基准分数上升 会把漏洞利用误判成能力进步 必须有独立测试权限 隔离和跨环境复验 这三个指标比RSI来了更重要 它们能区分真正的研发能力 增长和自动化工具数量增加 Deepseek这次已经跨过 了一个明确门槛 智能体不再只是训练 流程里的被训练者 也成为训练基础设施的建设者 模型开始帮助生产自己的经验来源 这一步在两年前还停留在概念讨论 如今已经运行在每天 300万个沙盒的生
本次執行流程與問題處理
下達指令
預期流程
- 採用來源字幕（略過語音辨識）
- 來源選擇與品質檢查
- 文字校正與句子單元
- 筆記與發布
- 公開網頁發布
1. 下載與語音辨識
工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）
處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿
產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）
耗時：14.9 秒
關係：依序執行
結果：完成
2. 全文快速校讀
工具：videonote_rapid_transcript_review.py
處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目
產出：rapid_transcript_review_report.json（產出檔案）
耗時：50.3 秒
關係：依序執行
結果：完成
3. 建立句子單元
工具：videonote-build-sentence-units
處理：將逐字稿切成帶時間軸的句子單元
產出：sentence_units.json（句子單元）
耗時：0.4 秒
關係：依序執行
結果：完成
4. 時間軸稽核
工具：videonote_timeline_audit.py
處理：檢查時間軸與音訊對齊
產出：timeline_audit_report.json（時間軸稽核）
耗時：0.4 秒
關係：依序執行
結果：完成
5. 品質檢查
工具：videonote_controlled_quality.py（檢查時間軸與品質）
處理：檢查語言、時間軸與可讀性品質
產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）
耗時：0.5 秒
關係：依序執行
結果：完成
6. 播放時間軸回填
工具：videonote_rebase_display_timeline.py
處理：將網頁播放時間軸回填為校正字幕時間
產出：display_timeline_rebase_report.json（時間軸回填報告）
耗時：0.5 秒
關係：依序執行
結果：完成
7. 來源句整理
工具：videonote_prepare_source_entries.py
處理：整理來源句子供時間軸與頁面使用
產出：sentence_units.json（句子單元）
耗時：0.5 秒
關係：依序執行
結果：完成
8. 生成筆記摘要
工具：videonote-generate-note（生成筆記摘要）
處理：生成筆記摘要與重點
產出：note.md（筆記 Markdown）、note.html（筆記 HTML）
耗時：135.2 秒
關係：依序執行
結果：完成
9. 建立筆記頁面
工具：videonote-render-html（產生筆記 HTML）
處理：產生可閱讀的筆記 HTML 頁面
產出：note.html（筆記 HTML）
耗時：0.3 秒
關係：依序執行
結果：完成
10. 發布公開頁面
工具：videonote-publish（發布公開頁面）
處理：發布到公開網站與每日列表
產出：公開筆記網址、result.json（管線結果）
耗時：0.4 秒
關係：依序執行
結果：完成
手動來源字幕
自動來源字幕
Whisper 字幕
- 尚未產生
Qwen 字幕
- 尚未產生
Parakeet 字幕
- 尚未產生
MOSS 字幕
- 尚未產生
聲學時間證據（PyAnnote / WhisperX）
- 尚未產生
校正前後逐字稿
目前待解決問題與初步改善方向
- ⚠️ 全文快速校讀：已套用暫定修正，請確認
segment=22 已先套用暫定修正：Desec服务的是正在学习写代码 → DSec服務的是正在學習寫代碼；segment=35 已先套用暫定修正：再把完整状态封装成下 → 再把完整狀態封裝成下一；segment=54 已先套用暫定修正：Deseq还没有走到这一步 → DSec還沒有走到这一步；segment=87 已先套用暫定修正：Dsyncer提供四种沙盒后端 → DSec提供四种沙盒后端；segment=105 待確認：接上一句「服务器很快就会被启动」，應為「服务器很快就會因啟動開銷和重複文件被拖垮」。原句斷句導致語意不清。；暫定：開銷和重複文件拖垮；segment=167 待確認：「奇类环境」語意不明，結合上下文「响应时间要求很高」，應為「奇異環境」(Sandbox/Isolated Environment) 或「高時效環境」。但「奇異」在AI語境中較少見，更可能是「隔離環境」或「時效環境」。考慮到語音識別，「奇類」可能為「隔離」或「時效」的誤識。若指「Sandbox」，前文已用「沙盒」。此處保留「奇異」可能性低，建議修正為「高時效」或「隔離」。但無確鑿證據，標記為待確認。；暫定：例如有时间限制的奇異環境；segment=104 待確認：語意不通，主謂搭配不當；暫定：服务器很快就会被启动
- 逐字稿可先使用，但有待校正清單
segment=105 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=167 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=104 rapid_semantic_review: 上下文為「否则几十万个智能体同时运行时 服务器很快就会被启动 开销和重复文件拖垮」，應為「服务器很快就會因啟動開銷和重複文件被拖垮」。
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。
- 音訊下載不穩定，需更新 cookies / PO token 後重試精進模式。