智能体自己改模型也改脚手架：RSI-Env让被接受的版本接手下一轮，无基准反馈也能涨分
RSI-Env把模型训练与脚手架修改放进同一个可持久化的沙箱，由独立的Host Controller负责服务、校验、版本与能力评测，Self模式下被接受的模型–脚手架版本接手下一轮改进。以Qwen3.8-27B配最小脚手架起步，无基准反馈的Open-General Self把GPQA Diamond准确率从65.2%提到73.2%、AIME 2026从53.3%提到56.7%；Knowledge Self让SimpleQA从82.0%升到85.0%再到88.0%，但同一批运行在其他基准上出现回落。