> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/ja/2026/w29-the-boundary-between-loop-engineering-and-rsi.md).

# W29-Loop EngineeringとRSIの境界

最近、Loop EngineeringとRSIが注目を集めている。表面的にはよく似ている。どちらもAIを、案を出し、実行し、検証し、記録して、次の試行へ進むループに入れる。

似ているのは形式であり、違うのは対象だ。

**Loop Engineeringは、仕事をループに任せる。RSIは、ループ自体を改善する能力までループに任せる。**

**前者は主に実行の仕組みを最適化し、後者は能力を生み出す仕組みに踏み込む。これが両者の最も重要な境界だ。**

### Loop Engineeringの本質はランタイムの設計にある

これまでのAIの使い方は、多くが対話の形にとどまっていた。人が質問し、AIが答える。結果が良くなければ、人がコンテキストを補い、プロンプトを直し、もう一度要求する。

この形では、人がAIに指示し続けることが操作の中心にある。AIは道具であり、運転席には人が座っている。

Loop Engineeringは、この関係を一段上へ移す。人は、次のプロンプトを自ら決める小さなシステムを設計するようになる。

典型的なループには、少なくとも次の要素がある。

第一に、起動条件だ。定期実行、CIの失敗、キューに入ったissue、あるいは目標の未達でもよい。

第二に、状態だ。エージェントが毎回ゼロから始めるわけにはいかない。前回何を試し、どこで失敗し、どの選択肢を除外したかを覚えておく必要がある。

第三に、ツールだ。コードを読み、ファイルを変更し、テストを実行し、ログを確認し、差分を提出できなければならない。

第四に、検証器だ。テスト、lint、build、benchmark、外部の評価器など、悪い結果を拒否するものが必要になる。

第五に、停止条件だ。予算、試行回数、時間、人による承認を明確にする必要がある。

つまりLoop Engineeringは、ランタイムの設計に近い。コンテキストをどう取り込み、ツールをどう呼び出し、結果をどう検証し、状態をどう蓄積し、権限をどう制限するかを設計する。

最近、エンジニアが大きな効果を生むための着眼点はプロンプトからループへ移った、と多くの人が語るのもこのためだ。本当に価値があるのは、繰り返し実行でき、検証でき、元に戻せるワークフローである。

### RSIが対象とするのは、さらに一段深いところだ

RSI、つまりRecursive Self-Improvementは、別の階層の問題を扱う。

Lilian Wengは『Harness Engineering for Self-Improvement』で、RSIの従来の定義をI. J. GoodとYudkowskyまでさかのぼっている。システムが、すでに持つ知能を使い、知能を生み出す仕組みを改善するというものだ。現在の文脈では、その仕組みはモデルの重みだけとは限らない。学習プロセス、データ生成、評価システム、デプロイ時のハーネス、研究プロセスも含みうる。

Anthropicも『When AI builds itself』で、似た枠組みを使っている。今日、AIはすでにモデル開発企業のエンジニアリングと研究を加速できる。さらに進めば、自身の後継モデルの設計や学習に関わる可能性がある。ただしAnthropicは、完全なRSIはまだ起きておらず、必ず起きるとも限らないと明言している。

ここで重要なのは、ループが何を変えるかだ。

エージェントが毎日、自動でlintを修正し、依存関係を更新し、単純なCIの失敗を直すなら、それは仕事の自動化である。

エージェントが自分のワークフローを変え、次の試行でCIをよりうまく直せるようになるなら、自己改善するハーネスの領域に入り始める。

その改善がさらに、モデルの学習、研究上の意思決定、実験の探索、データ生成に作用し、次世代モデルを強くする。そして、強くなったモデルが次の世代をさらに改善する。ここまで来て初めて、RSIの核心に近づく。

私はここに境界を引きたい。

**Loop Engineeringが重視するのはタスクの処理量だ。RSIが重視するのは能力の増大だ。**

**Loop Engineeringの効果は通常、局所的である。バグを速く直す、実験を速く回す、人が進行を見張る負担を減らす、といったものだ。**

RSIのリスクと効果は、複利のように積み重なる。システムが将来の改善を生む仕組みを改善するため、速度も影響範囲も拡大する可能性がある。

### AutoResearchは中間に位置する

AutoResearchは、この境界を観察するのに適している。

Karpathyのautoresearchリポジトリは、設計がすっきりしている。AIエージェントに、小さいながらも実際に動くLLMの学習環境を与え、`train.py`を変更させる。1回の学習は5分に固定し、`val_bpb`を指標に、改善すれば残し、悪化すれば戻す。人が主に変更するのは`program.md`、つまり研究の進め方と指示の範囲である。

形式としては、Loop Engineeringの一例だ。目標が明確で、フィードバックが速く、評価指標が客観的で、状態を記録でき、コードを元に戻せる。エージェントは、仮説を立て、コードを変え、実験し、指標を確認し、記録を書き、次へ進む一連の循環を担う。

ただし、モデルの学習レシピを最適化する点で、通常のエンジニアリングのループよりRSIに近い。すでにAIの能力を生産する工程のそばに立っているからだ。

Recursiveが2026年6月に公開した『First Steps Toward Automated AI Research』は、この方向をさらに示している。同社のシステムは、NanoChat Autoresearch、NanoGPT Speedrun、SOL-ExecBenchの三つのタスクで自動研究を行う。アイデアを出し、実装し、実験を実行し、結果を検証して、次の実験を選ぶ。選んだベンチマークには共通点がある。目標が明確で、フィードバックが速く、ばらつきが小さく、評価器を比較的強化しやすいことだ。

現在の自動研究が最も成立しやすいのは、測定でき、工学的に扱える研究領域だと分かる。たとえば、固定予算での学習、小規模モデルの学習速度、GPUカーネルの最適化である。これらは報酬が明確で、失敗も記録できる。

さらに興味深いのは、Bilevel Autoresearchだ。外側にもう一つループを設け、内側の探索の仕組みを変更させる。内側のループがモデルの学習コードを変更するだけではない。論文によれば、KarpathyのGPT事前学習ベンチマークで、外側のmeta-autoresearchは、標準的な内側のループと比べて5倍の改善を達成したという。

ここで重要な段階を一つ越えている。システムは答えを探すだけでなく、答えの探し方も探すようになった。

これは通常のLoop Engineeringを超えているが、完全なRSIにはまだ達していない。理由は単純だ。基盤モデル自体は変更しておらず、目標は依然として人が定義し、評価器も外部にあり、探索空間も狭い。示したのは、仕組みのレベルでの自己改善が効果を持ち始めたことであり、AIがより強いAIを再帰的に作れるようになったことではない。

### この境界が重要な理由

Loop EngineeringとRSIを混同すると、二つの誤った判断につながる。

一つ目は、Loop Engineeringを過小評価することだ。

単なる自動化スクリプトだと言う人がいる。しかし、その見方は狭すぎる。従来のスクリプトは通常、手順が固定されており、分岐に遭遇すると失敗する。Loop Engineeringの価値は、エージェントを制御できる環境に置き、目標、ツール、状態、検証器を使いながら、試行錯誤を繰り返させることにある。

これはエンジニアリングの生産性に直結する。CIの問題の切り分け、依存関係の更新、lintの修正、テストの補完、文書の更新、データのクリーニング、ベンチマークのパラメーター調整などを、人がAIの仕事を見張る形から、人がシステムを設計し、そのシステムが継続的に動く形へ変えられる。

二つ目は、RSIを過大評価することだ。

エージェントが繰り返しコードを変更できるだけで、RSIが起きたと言うのも正確ではない。大半のループは実行の自動化であり、進んでいても局所的なハーネスの改善にすぎない。能力が複利的に増える仕組みは成立していない。

RSIには、もっと厳しい条件が必要になる。改善対象が将来の知能の生成に影響し、新しい能力がより広いタスクへ転用できること。評価が報酬ハッキングによって容易に歪められないこと。ループ自体が権限や安全上の境界を迂回できないこと。そして人が、適切な抽象度で判断を担い続けることだ。

今のところ、最も強い証拠が集まっているのは、フィードバックが速く、指標が明確で、実験を繰り返せる領域だ。自由度の高い研究、プロダクトの判断、長期的なアーキテクチャ、組織の協働へ進むほど、検証器は弱くなり、ループは自信に満ちたノイズの生成器になりやすい。

### 経済学の視点では、評価器を持つ者が大きな力を持つ

経済学の視点から見ると、Loop EngineeringもRSIも、同じものを変えている。試行錯誤のコストだ。

以前は、試行錯誤にコストがかかった。一回ごとに、人が理解し、実行し、待ち、判断する必要があったからだ。今はAIが実行コストを下げ、ループが作業を組み立てるコストを下げる。検証器が十分に安価なら、システムは試行回数を増やすことで、より良い結果を得られる。

ただし、それは本当に希少なものが変わったことも意味する。

本当の差を生むのは、評価器の質だ。

エンジニアリングでは、評価器はテスト、型システム、実行ログ、ユーザー指標、回帰テスト群である。

AI研究では、ベンチマーク、学習損失、推論コスト、実際のタスクでの性能、学習や調整に使わないデータでの検証、不正を防ぐ仕組みが評価器になる。

プロダクトや組織では、評価器はさらに希少だ。多くの結果をすぐには測れないからである。長期の保守コスト、ユーザーの信頼、アーキテクチャの健全性、ブランドの毀損は、短時間のベンチマークでは答えが出ない。

だから、ループの限界は、評価器の限界であることが多い。

厳密な検証器があるところでは、積極的に自動化できる。定性的な判断しかできないところでは、人が関わり続ける必要がある。検証器がないところでは、ループは間違いを速く量産するだけだ。

### 私の判断

今は、次のように理解するのがよいと考えている。

Loop Engineeringは、AI時代のソフトウェア工学の基礎能力だ。エージェントを制御可能なシステムに置き、継続して働かせる方法を扱う。

RSIは、より上位の、能力を再帰的に高める問題だ。システムが知能を生む仕組みを改善できるか、その改善がさらに次の改善を押し進められるかを問う。

AutoResearchは、その中間にある。Karpathyの版は研究ワークフローの自動化に近い。Recursiveのシステムは、自動AI研究の初期の工業化された形に近い。Bilevel Autoresearchは、改善の仕組み自体を変える境界に踏み込み始めている。

それでも、境界は明確だ。

ループがタスクの結果を変えるなら、Loop Engineeringである。

ループがタスクを完了するプロセスを変えるなら、自己改善するハーネスである。

ループが次世代の能力を生む仕組みを変え、その改善が再帰的に蓄積するなら、初めてRSIに近づく。

この境界は重要だ。現実に大きな効果を生むエンジニアリングを単なるスクリプトと見なす極端と、局所的な自動化を知能爆発と読み違える極端の、両方を避けられる。

Loop Engineeringはすでに現実の生産力になっている。RSIはまだ、近づきつつある能力の境界だ。その間で最も注目したいのは、ループ、ハーネス、評価器、権限、人の判断を一つに組み合わせられるシステムである。

これから数年、エンジニアが本当に学ぶべきなのは、制御を失わず、自らをごまかさず、有効な経験を安定して蓄積できるループの設計かもしれない。

### 参考資料

* [karpathy/autoresearch](https://github.com/karpathy/autoresearch)
* [Loop Engineering: The Karpathy Method](https://x.com/0xCodila/article/2072329149520232639)
* [Loop engineering: the 14-step roadmap from prompter to loop designer](https://x.com/0xCodez/status/2064374643729773029)
* [Loop Engineering: The 14-Step Roadmap from Prompter to Loop Designer](https://medium.com/coinmonks/loop-engineering-the-14-step-roadmap-from-prompter-to-loop-designer-bda3edc46fbc)
* [First Steps Toward Automated AI Research - Recursive](https://www.recursive.com/articles/first-steps-toward-automated-ai-research)
* [When AI builds itself - Anthropic](https://www.anthropic.com/institute/recursive-self-improvement)
* [Harness Engineering for Self-Improvement - Lilian Weng](https://lilianweng.github.io/posts/2026-07-04-harness/)
* [Bilevel Autoresearch: Meta-Autoresearching Itself](https://arxiv.org/abs/2603.23420)
* [Auto Research with Specialist Agents Develops Effective and Non-Trivial Training Recipes](https://arxiv.org/abs/2605.05724)