अधिकांश चर्चाएँ आत्म-सुधार के पुनरावर्ती स्वरूप के बारे में इस बात पर केंद्रित होती हैं कि मॉडल बस और अधिक बुद्धिमान होता जा रहा है। यह पत्र एक स्पष्टतर रेखा खींचता है। वास्तविक RSI एआई के कार्यों में सुधार नहीं है। यह एआई के सुधार करने में सुधार करना है। लेखक एक ऐसा मार्ग चित्रित करते हैं जिसे अभी भी अधिकांश प्रयोगशालाएँ मिला रही हैं: L1 — प्रणाली मानव द्वारा पहले से डिज़ाइन किए गए सुधारों को निष्पादित करती है L2 — यह अपनी स्वयं की सुधार रणनीतियों का चयन करना शुरू कर देती है L3 — यह अपनी अगली आवश्यकताओं के लिए सीखने के अनुभवों को उत्पन्न करती है L4 — यह केवल बेंचमार्क्स से नहीं, बल्कि लाइव डिप्लॉयमेंट से अनुकूलित होती है L5 — यह भविष्य के सुधारों को उत्पन्न करने वाले तंत्रों को संशोधित करती है अंतिम कदम ही वास्तविक दावा है। लक्ष्य कोई और मानव-निर्मित मॉडल नहीं है जो अधिक स्कोर करे। यह एक ऐसा एआई है जिसके लाभ स्थायी हों, अगली पीढ़ी को प्रेरित करें, और सुधार प्रक्रिया को स्वयं सुधारें। अगर यह सफल होता है, तो इस पीढ़ी के प्रणालियाँ वास्तव में हमारे द्वारा हाथ से बनाई जाने वाली अंतिम पीढ़ी होंगी। अगर आप एजेंट, मूल्यांकन, या पोस्ट-ट्रेनिंग लूप पर काम करते हैं, तो पढ़ने के लायक है: https://t.co/scFLD1h9Ow