递归自改进要求模型既能获得有用训练经验，也能判断当前经验何时不再有用。现有方法多关注下一步该生成什么，较少处理何时引入新鲜经验；不少工作还用自一致性或多数投票构造训练目标，使监督依赖模型自身尚不确定的预测。A-RSI将二者分开：训练动态决定何时获取新经验，新任务答案保持可独立核验。它监控训练日志中的奖励波动与准确率，学习信号下降时刷新任务池，不查阅验证或测试分数。静态的模型自写程序库生成多模态问题并推导参考答案。训练环路无外部训练样本，也无人工答案标签。在十一项主基准上，800道新任务将平均分从57.77提到61.05。

何时刷新，只看日志

A-RSI用奖励变化和准确率判断学习信号是否衰退，衰退则换池，不咨询验证或测试分。训练节奏因此不必绑定评测集。摘要未给出阈值、触发次数或池容量，只能确认它是日志驱动，不能外推具体调度。

答案由程序推导，不靠自投票

新任务要求答案可独立核验。程序库由模型写成且保持静态，程序同时出多模态题并推导参考答案。作者规定任务生成契约，自动核验奖励与刷新规则的选定性质，再单独审计生成答案。材料未给出程序库规模、模态覆盖或审计错误率，这些不宜补写。

我的判断

主结果是十一项基准平均分从57.77到61.05，对应800道新任务，且无外部样本、无人工标签。提升不大，但约束硬。更值得记下的是拆分：刷新看训练日志，答案走程序推导与独立审计，避开自一致性循环。边界同样清楚：只有主套件平均分，无单基准拆分与失败案例；静态程序库能撑多久的自改进，摘要未谈。宜视为补上「何时换经验」的一次设计，而不是可照搬的通用配方。