arXiv: 2607.07663v1

Amélioration autoréférentielle récursive en IA : De l'auto-affinement borné aux boucles de recherche autonomes

Recursive Self-Improvement in AI: From Bounded Self-Refinement to Autonomous Research Loops

July 8, 2026

Auteurs: Mingguang Chen, Licheng Wang, Bo Qu

cs.AIcs.AIcs.AI

Résumé

Les systèmes d’IA participent de plus en plus à leur propre amélioration : ils révisent leurs sorties, adaptent leurs propres architectures pendant le déploiement, s’entraînent sur des données qu’ils génèrent et, de plus en plus, mènent eux-mêmes des recherches en IA. Cette littérature est décrite sous un vocabulaire (« self-refine », « self-reward », « self-play », « self-evolve ») qui confond des ambitions fondamentalement différentes. Nous examinons 1 250 articles arXiv (2024-2026) selon deux axes : ce que le système améliore – son comportement en déploiement, sa politique par l’entraînement, son évaluateur, ou le processus de recherche lui-même – et le degré de fermeture de la boucle (de l’humain dans la boucle à une boucle totalement fermée). La taxonomie distingue l’auto-affinage borné – convergent, évaluable et déjà une pratique industrielle – de l’amélioration récursive ouverte (RSI), qui reste limitée par des exigences d’ancrage, des dynamiques d’effondrement et des contraintes de calcul sur chaque axe mesuré. Sa caractéristique distinctive est une catégorie dédiée à l’auto-évaluation : chaque boucle d’amélioration revendique qu’un certain signal peut se substituer au jugement humain. Nous survolons l’espace de conception des évaluateurs – juges, modèles de récompense de processus, vérificateurs, rubriques, méta-évaluation – ordonnons les signaux en une hiérarchie de vérification allant des vérificateurs formels (les plus forts) à l’auto-évaluation intrinsèque (la plus faible), et observons que la force démontrée de l’auto-amélioration suit cette hiérarchie, que ses modes d’échec (boucles d’auto-confirmation, effondrement du modèle, effondrement de la diversité) découlent de ses violations, et que le goulot d’étranglement de l’« orientation des directions de recherche » qui maintient l’humain dans la boucle se situe au sommet de cette hiérarchie. Nous relions la littérature technique à la théorie des limites de la RSI et aux questions de sécurité et de gouvernance soulevées par les récits des laboratoires de pointe concernant la fermeture de la boucle, et identifions la mesure de l’auto-amélioration de qualité gouvernance comme le créneau le plus sous-peuplé du domaine.

English

AI systems increasingly participate in their own improvement: revising their outputs, adapting their own harnesses during deployment, training on data they generate, and, increasingly, conducting AI research itself. This literature is described under a vocabulary ("self-refine," "self-reward," "self-play," "self-evolve") that conflates fundamentally different ambitions. We survey 1,250 arXiv papers (2024-2026) along two axes: what the system improves -- its behavior in deployment, its policy through training, its evaluator, or the research process itself -- and the degree of loop closure (human-in-the-loop to fully closed). The taxonomy separates bounded self-refinement -- convergent, evaluable, and already industrial practice -- from open-ended recursive self-improvement (RSI), which remains bounded by grounding requirements, collapse dynamics, and compute constraints on every measured axis. Its distinctive feature is a dedicated category for self-evaluation: every improvement loop is a claim that some signal can substitute for human judgment. We survey the evaluator design space -- judges, process reward models, verifiers, rubrics, meta-evaluation -- order the signals into a verification hierarchy from formal verifiers (strongest) to intrinsic self-assessment (weakest), and observe that demonstrated self-improvement strength tracks this hierarchy, that its failure modes (self-confirming loops, model collapse, diversity collapse) follow from its violations, and that the "research direction-setting" bottleneck keeping humans in the loop sits at the top of that hierarchy. We connect the technical literature to the theory of RSI limits and to the safety and governance questions raised by frontier-lab accounts of closing the loop, and identify governance-grade measurement of self-improvement as the field's most underpopulated niche.