Noise-to-Meaning Recursive Self-Improvement (N2M-RSI) 모델은 AI 에이전트가 자신의 출력을 입력으로 다시 사용하고 명시적인 정보 통합 임계값을 넘어서면, 제시된 가정 하에 내부 복잡도가 무한히 증가함을 보여주는 최소한의 공식 모델입니다. 이 프레임워크는 이전의 자기 프롬프팅 대규모 언어 모델, 괴델의 자기 참조, AutoML에 대한 아이디어를 통합하지만, 구현과는 무관합니다. 또한, 이 모델은 상호 작용하는 에이전트 군집으로 자연스럽게 확장되며, 인스턴스 간 통신이 허용되면 초선형 효과를 암시합니다. 안전상의 이유로 시스템 특정 구현 세부 정보는 생략하고 부록 C에 간략한 모델과 무관한 장난감 프로토타입만 공개합니다.
