参加「初焰·纳宙」AI for Science 黑客松，我选择的议题是：

储能系统能否持续自我改进？从钠电与磷酸铁锂的充放电差异出发，研究电池管理系统（BMS）如何利用运行数据改进策略、迭代模型与架构，探索递归自我改进（RSI）的可能。

笔记 01 建立共同语言，笔记 02 把 BMS 看具体，笔记 03 沿 RSI 从想法走到程序。第三篇结尾留下两个问题：当我们得到一种更好的工具，它能否帮助我们找到下一种更好的工具？这个过程又由什么证据来确认？

这两个问题至今没有答案。前三篇把该认识的都认识了，现在需要的是判断：哪些事必须先做，哪些可以等，每件事做到什么程度算做完。

本文分两部分。第一部分先厘清容易混淆的概念，再说明做具体实验和代码前要备好的三件事；第二部分讨论三种不同性质的改动，以及下一步的实验顺序。

文中引用他人或我前几篇的原话都标出作者与链接，便于核对。但引用不等于我复现了他们的结果，原作者的主张和我的判断分开写。

第一部分｜准备：概念与前提

一、自适应不是自我改进

这是我在读同题文章时发现的一个表述。

两种电芯本身固有特性不一样，出厂预设一套固定控制算法无法长期最优，天然需要 BMS 可以随运行数据自适应调参。

这句话支持的其实是自适应，不是自我改进RSI。两者容易混在一起，区别在于改动对象：

	改动的是什么	由谁决定怎么改	例子
自适应	参数	人，按事先写好的规则	内阻、容量、控制增益的在线更新
RSI	规则本身	待验证的问题	让「用什么方法去找更好的方法」也能被修改

在线参数辨识（Parameter Identification，从数据中估计电阻、容量等模型参数）和自适应 SOC 估计都属于上边这一行，它们并不因此成为自我改进。早期的 BMS 就已经包含了自适应的功能，本题更多是讨论RSI。

所以，「固定参数长期非最优」只能推出需要自适应，推不出需要 RSI。这也决定了我后面的实验顺序：先在同一套机制下把策略优化做扎实，再问这套机制能否被改进。第六节会回到这里。

二、动手之前，先备好三样东西

要把题目变成可以回答的问题，眼下缺的是三样能交给别人接手的东西：

一颗具名电芯：说得清型号、批次、容量和温度的电芯；
一份可审计的运行数据：字段、单位、电流方向都有交代的数据；
一个能冻结的评价器：评价标准定死、不随候选一起改的评价器。

有了这三样，「改了什么」才有东西可比，「改好了没有」才有地方去问。

至于改什么，我采用 playerxlx 给的三层骨架（原文）。它把改动分得很清楚，后面所有实验都按这个分类：

层	改的内容	时间尺度
策略层	充放电截止窗口、均衡触发条件、倍率限制、温控阈值	在线微调
模型层	等效电路参数（内阻、电容）与老化模型	用运行数据持续拟合
架构层	按电芯状态切换模型结构，年轻电芯用简单模型，老化电芯用高阶非线性模型	长期迭代

在这个拆分上，我加一条自己的判断：三层要分别设对照，不能合并成一句「BMS 变好了」。 重新标定参数、修改控制规则、改动模型结构，是三种不同性质的改动，收益不能互相借用。

三、先确定电芯，再谈算法

方向要从最具体的地方开始：先说清管理的是哪一颗电池。

这一条笔记 02 里就留了位置。研究 BMS 之前，要先说明管理什么电池、服务什么场景。现在把它落成一张电芯卡，需要记录的项目如下：

项目	为什么必须写清楚
正负极材料、型号与批次	决定后续能否与同类结果比较
容量标定口径	同一个「Ah」在不同标定条件下不是同一个数
温度与老化状态	同型号电芯在不同温度和寿命阶段表现不同
截止条件	电压上下限会直接改变可用的充放电区间
曲线来源	实测、仿真还是引用他人数据，必须区分

在指定型号、批次、温度与 SOC 窗口之前，任何「钠电优于 LFP」的说法都不能写成结论。

robinbg 解释过钠电低温优势的来源：Na⁺ 离子半径比 Li⁺ 大而电荷数相同，电荷密度更低，对溶剂分子束缚更弱，脱溶剂化能垒更低，而这一步正是界面电荷转移的决速步。此外低温下钠电不析锂（原文）。

这段讲的是材料体系，替代不了电芯卡。但它恰好指出了两个可以照着问的问题：目标电芯的低温表现，是不是也来自脱溶剂化这一步？批次之间差多少？ 核查电芯时我就带上这两问。这一节的阅读入口可结合笔记 02中的参数分类表一起看。

四、数据：先确定预警指标，再谈建模

数据是目前最紧的瓶颈。我还没有一颗自己核实过口径的电芯。

苹果用一组真实数据说明了顺序问题：先确定用什么指标做预警，比先确定算法更重要。这颗商用钠电在不同温度下的表现并不一致（原文）：

温度	失效模式	容量保持率
25°C	突发失效（第 200 圈腰斩）	46.6%
40°C	突发失效（第 200 圈腰斩）	44.6%
50°C	稳定	99.4%
−10°C	渐进衰减	54.0%

具体的数字是：前 200 圈容量稳定在 1.17 Ah，第 201 圈突然降到 0.55 Ah。

这个结果直接改变了我的验收标准。如果只用容量衰减率做监控，那么在第 200 圈之前一切都会显示正常，失效前毫无预警。所以运行数据的交付物不能只有电压、电流、温度三列，还要包含前兆指标候选，例如累计气体生成量、气体窗口温度。

同一作者接着指出，钠电的风险等级不是单调的，而是窗口型的：25–40°C 被严重低估，50°C 被严重高估（原文）。

在后续实验里写风险函数时，先标明它是否单调、依据来自哪个温度窗口，而不是先假定单调再往上搭约束。「风险是不是单调」应当是一个待检验项，不是一个前提。

五、评价：先确定谁来判断改得更好

这一节排在改动之前，因为它是其他所有实验的前提。

笔记 03 里整理的五个提问，现在直接当验收清单用：

要问的问题	它指向什么	需要看清什么
改了什么？	改动对象	答案、参数、工具代码，还是整个研发过程
谁提出并执行修改？	修改主体	人手动调整，还是系统根据反馈产生候选
怎样判断更好？	评价依据	真实运行结果，还是模型自己的评价
改进是否进入下一轮？	承继关系	新版本是否真的参与后续工作
换任务、换条件后还有效吗？	适用范围	收益是否只对反复看过的题目成立

「评分变高」和「系统变好」确实会分家。 笔记 03 记过一个例子：DGM 团队在附加实验中发现，系统通过移除检测标记取得了虚假成功。也就是说，评价机制本身也会成为被绕过的对象。

由此得到这一层的判断：评价器要由修改范围之外的人或流程管理。 落到做法上是三条约定：

保留集只许打开一次；
候选不能读取评分；
开发者不能拿看过的验证集继续调参。

第二部分｜改动：三种不同性质的修改

下面三节讨论具体改什么。它们对应第二节里的三层骨架，但顺序上我把模型层排在策略层前面，因为策略的可行区间要先由模型界定。

六、模型层：从「能跑」走到「可信」

模型现在的状态是能跑，不是可信。

苹果在自己的模型设定里写了一句声明：所用参数是通用级别的假设，不是真实钠电实测值，目的是验证数学闭环，而非模拟真实电池的物理退化（原文）。

我打算照这个做法，在每次实验记录里都先写清参数来源。看起来是小事，却决定了别人能否核对我做了什么。

robinbg 的方案里还有一句提示了模型层的边界：纯数据驱动的黑箱模型在钠电上先天不可靠，因为它没有足够数据去学，而外推到训练分布之外，恰恰是安全最需要它可靠的时候，所以必须引入机理先验（原文）。

我取用的是「机理约束」这个做法，而不是把「黑箱不可靠」直接当结论。 机理先验解决的是外推方向问题，它不保证参数可辨识。这两件事要分开处理。

于是这一层的验收只有一句话：只重新标定，能消掉多少误差？ 只有当残差仍然稳定、可重复，才有理由去动结构。顺序也就定了：先做标定对照，再谈结构变化。

七、策略：锁定安全边界，只优化柔性参数

策略是我认为不必等实验、现在就该定下的一条规则。

playerxlx 讲得很明确：所有自我修改都不能突破电芯安全边界，电压上下限、温度极限这类硬阈值是锁死的，只能优化柔性控制参数，过压、欠压、超温保护硬限不能交给 AI 自主修改（原文）。

我采纳，而且要把它落到程序里，不只是写在文档里。做法是把属于安全硬限的量列成一张表，让程序直接拒绝超出该表的候选。候选只能提议柔性参数，碰不到保护阈值、容量和电压边界。

robinbg 对收益的写法，给了一个把软硬分开的形式：最大化全生命周期净收益，同时要求失效概率不超过 ε。 把 ε 从保守扫到激进，得到的是一条「失效概率—净收益」Pareto 前沿，而不是一句「安全第一」的口号（原文）。

这个形式化对划分约束与目标有用。但在我自己的实验里要先说明：ε 的取值依赖失效模型，而我这边的失效模型还没有实测验证，所以现阶段这条前沿只当实验设计模板，它的输出不能当安全承诺。

八、改进：RSI 需要什么证据

这是全篇最容易被误会的一节，也是题目真正在问的一节。

改了一次搜索规则，不等于实现了 RSI。 笔记 03 的结尾把这条链说得很清楚：

电池产生数据、人根据数据修改算法，是一条由人推动的改进链；Agent 帮助分析数据、提出候选，是在这条链中承担更多工作；只有当 Agent 还能检查自己的研究方法、验证修改，并让有效的新方法继续参与后续研究时，才更接近 RSI 要问的问题。

回到第一节那张表：自适应改的是参数，RSI 改的是规则。那么证据就得落在「规则被改了，而且改得更好」上。我把这个验证拆成三组对照，在同一批没见过的任务上、用相同的总预算跑：

组	继承什么	用来回答
A 固定机制	什么都不继承，每轮从头开始	机制不变时能做到多好
B 只继承历史记录	继承过去的成功案例	收益是否只来自「记住了答案」
C 继承更新机制	继承上一代改机制的方法	机制本身是否变得更会改

三组要一起跑，重点看 A 和 C 的差。 如果 C 只是比 A 强，那可能只是 B 的功劳，也就是记住了历史而对新任务并不更会改。所以 B 组必须留着，它是把「记住答案」和「变聪明」分开的那把尺子。

再重复一遍那条最容易被跳过的规则：同一环境里最优分逐轮上升，不单独作为证据。 分数涨可能来自任务太熟、评价太松，或者干脆是评价器被绕过了。这正是第五节要防的事。

这个实验是整个题目里唯一能回答「持续自我改进」的实验。但它必须排在策略对照之后。如果连固定机制下的策略优化都跑不通，机制继承就没有可比较的对象。

九、下一步：按顺序做三件事

前一件是后一件的前提，不宜同时展开。

顺序	做什么	交付物
1. 固定电芯与数据契约	选定一颗钠电、一个温度，保存原始文件与来源	电芯卡、数据说明、缺口清单，含字段、单位、电流方向、容量定义与前兆指标候选
2. 建立 LFP 与钠电的模型对照	同一版本接入具名 LFP 与钠电模型，统一温度和相对充入电量，各自保留电压边界	先只在标定层比较，不动结构
3. 比较策略更新	固定钠电任务里比较固定基线、LFP 策略迁移、传统优化与 Agent 改进	冻结约束与评价预算，由未参与调参者做保留工况评价，先报可行率、再报完成时间，失败案例不删除

模型对照排在 RSI 之前，也因为它决定了后面能拿什么来验收。robinbg 的方案里写明：验证以计算机仿真为主、结合公开真实钠电数据校验，软件功能、理论成果及二者的实际连接分别接受检验（原文）。

我采用这个分层，两者的连接也要单独验收。

十、研究合作

越研究越发现这不是一个很简单的题目，除了RSI概念本身业界也没有讨论清晰以外，从讨论可能性到找到证据到落地还有很长的路要走，需要不同领域的人来合作。

作为黑客松来说，我觉得我们可以从系统设计和仿真实验开始，我需要一些合作者一起来做这件事。

想参与的话，欢迎联络，并且可以说明一下想要做哪一个模块的工作。

参考资料

同题共建者文章

文章	作者	我从中取用的部分
议题思考：储能系统能否持续自我改进？	playerxlx	三层迭代目标；安全硬阈值锁死
容量、寿命与气体突发失效	苹果	突发失效与前兆指标
突发阈值型风险	苹果	风险窗口不是单调的
模型设定与验证逻辑	苹果	通用假设与实测的区分
权衡与边界	robinbg	约束与目标的拆分；机理约束
双弹性协同	robinbg	钠电低温的界面机制
钠衡	robinbg	软件功能与理论成果分别验收

我的前几篇

第三方资料

资料	适合带着什么问题阅读
PyBaMM 钠电模型说明	共用模型结构与分开参数怎么实现
Wang 等钠电公开数据	这颗电芯有哪些工况、字段是否够用
foxBMS 官方文档	测量输入到截止输出的代码路径
Attia 等，Nature 2020	充电方案如何用实验反馈选出

【研究笔记04】把题目拆成可验证的方向