据量子位报道，Jeff Dean 与李飞飞进行了一场对谈，讨论的核心落在 RSI（recursive self-improvement，AI 词典：递归自我改进">递归自我改进）上。报道以“全是 RSI 非共识”概括这场对话的基调：在这一问题上，两位长期身处 AI 前沿的研究者并未给出统一判断。
RSI 指的是 AI 系统能够参与改进自身，包括改进研究流程、代码、模型架构与训练方法，从而把原本由人驱动的研发循环部分交给系统自己完成。它之所以被视为关键变量，是因为一旦这条路径成立，AI 能力的推进速度可能不再主要受限于人类研究者的产能，而呈现自我加速的特征；如果不成立，则当前以算力、数据与人力投入为主的进步曲线仍需按常规节奏评估。
也正因如此，RSI 长期处于“重要但缺少共识”的状态。报道显示，这场对谈的价值不在于给出结论，而在于把分歧摆上台面：它是否会发生、以何种形式发生、需要多久，都还没有被普遍接受的答案。
对 AI 从业者而言，这一分歧有现实含义。它影响对训练投入回报的预期，影响安全评估应假设怎样的能力增长速度，也影响“继续 scaling 是否足够”这类路线讨论的前提。当两位重量级研究者都无法就此达成一致时，更谨慎的做法是把 RSI 当作需要在研究与评估中显式处理的不确定性，而非默认成立或默认不成立的背景假设。具体观点与论证细节可参阅量子位原文。