智譜RSI首個成果：GLM-5.3驅動的Infra Agent實現自主系統最佳化
為何重要
這次實驗標誌著從「模型能寫程式碼」到「模型能最佳化系統」的關鍵跨越，解決了 LLM 自主開發中最痛點的問題：單純的程式碼修改難以轉化為具體的系統效能提升或除錯，智譜提出的「稠密反饋」機制（Operator-level testing + Micro-benchmarks）實現了這一閉環。對產業而言，這驗證了百萬級卡國產算力叢集的可行性，並指出未來基礎設施設計必須從「為人類設計」轉向「為 Agent 設計」，AIOps 從概念走向工程化落地。
清華大學智譜AI創始人唐傑發布遞迴自我改進（RSI）的早期實踐成果，展示由 GLM-5.3 驅動的 Infra Agent 在超過 10 萬張國產晶片叢集上，僅用兩週時間從零完成生產級推理系統的搭建；系統將端到端吞吐量提升至初始基線的 3 倍，並透過運算元精確驗證與微 benchmark 解決了 KV Transfer 並發阻塞、KDA Decode 效能遞減等系統層面挑戰；目前的 RSI 階段仍由人類定義目標與邊界，Agent 負責執行工程迭代與邏輯驗證。