當題庫追不上模型，AI開始給自己出題：中國這支團隊跑通了資料層RSI

來源原標題

當題庫追不上模型，AI開始給自己出題：中國這支團隊跑通了資料層RSI

作者

闻乐

原始標籤

資訊

原始連結

https://www.qbitai.com/2026/08/468782.html

摘要原文

當題庫追不上模型，AI開始給自己出題：中國這支團隊跑通了資料層RSI 聞樂 2026-08-09 11:40:25 來源： 量子位 AI參與創造下一代AI 聞樂 發自 凹非寺 量子位 | 公眾號 QbitAI 矽谷今年最貴的詞，叫 Recursive Self-Improving 。 它就是指讓AI參與迭代自身的模型、演算法、資料和研發流程。 這個概念有多火呢？ Jeff Dean 離職創辦的Discovery Loop，方向就是探索AI自動化科學研究。 不只姐夫，AlphaGo締造者 David Silver 等一眾大牛也在同一條賽道上。 看得出來，這些頂級AI研究者正在形成一個共識： 讓AI參與創造下一代AI，讓AI持續自我改進並構建更強的AI 。 在這個共識之下，一個更棘手的問題出現了。 模型越強，能給AI出題、解題、驗證的人越少，高質量訓練資料該從哪來？ 一支中國團隊給出了他們的答案。 由 上海交大人工智慧學院、深勢科技、上海演算法創新研究院 組成的 無盡前沿團隊 釋出 BigBang-V1 —— 這是首個基於recursive self-improving原生方式訓練出的基座模型。 在訓練過程中，出題、解題、驗證都交給AI把控，通過可驗證前沿任務持續生成高質量自演進合成數據，全程無需人類逐題參與。 35B跑贏1T大模型 模型已開源，技術報告也同步公開。 BigBang-V1參數規模35B，推理時啟用約3B參數，支援262K長上下文。 它的 後訓練資料100%由AI自主合成，以科學前沿任務為核心 。 在這樣的條件下，模型在長程搜尋、程式碼、科學研究、AI研究等評測中， 拿下全部35B模型裡的10項第一 。 不僅如此，在FrontierScience Research、PaperBench等多項高難度科研任務上，成績甚至超過了1T級的DeepSeek V4 Pro Preview。 基準分數之外，具體任務裡的表現更能說明BigBang-V1解決複雜問題的水平。 先看一個高難度生物資訊學任務。 轉座子定位 要求在全基因組測序資料裡定位一個47bp的轉座子插入位點，模型不僅要識別相關序列，還得遵守RefSeq染色體命名和1-based座標約定。 BigBang沒有去猜座標，而是利用轉座子與染色體之間的連線證據做約束對映： 一個junction對應一個座標，最終把斷點鎖定在4144431，每一步證據都可追溯。 在論文復現任務裡，BigBang的表現又像一個會自我糾錯的工程師。 任務要求 把LBCS論文復現為可執行的程式碼倉庫 ，它在通讀完論文之後沒有急著交卷，而是在冒煙測試裡發現自己寫出的實現違反了論文的核心主張： 樣本量被固定死了，核心集根本沒法收縮。 它推算了擾動規模，發現無法越過觸發閾值，於是連續否決了三個候選修複方案，最終把連續擾動改成二進位制掩碼翻轉，問題才真正解決。 第二輪它又發現一個梯度項從計算圖中脫離，主動恢復了梯度流，最終復現評分0.7657，全部485個評分點通過331個。 這些案例體現的並不只是分數。 BigBang真正展現出的是 把多步證據組織成可驗證結論 的能力，以及 在失敗中發現問題、修正方案 的本事。 對科研AI來說，這兩種能力恰恰最要緊。 畢竟，科研不是背答案，而是從噪聲裡找證據，在出錯時改方案。 不過，以科研任務為核心構建的資料，並沒有把BigBang-V1訓練成只會答科學題的垂直模型。 BrowseComp基準達到76.5，SWE-Bench Pro拿到54.2，能力增益同時遷移到了長程搜尋、軟體工程、程式碼等場景。 我們也拿它實測了一把長程搜尋。 讓它盤點8月第一週AI圈的大事。它一天一天連著檢索了二十多輪、翻了十幾個來源。 先用定位候選事件，再逐條開啟信源交叉驗證，最後還專門找到一手頁面核對細節，連發布日期都逐個確認才給出結論。 而且它現搜列出的來源全部真實可訪問。 然後我們又讓它寫了一個太空射擊小遊戲。 程式碼寫得非常絲滑，打中後爆炸產生粒子特效，左上角還展示了分數、生命、等級遊戲UI。 100%純AI合成的訓練資料，為什麼能有這樣的表現？ 要解開這個疑問，得先從訓練資料本身說起。 訓練資料生產，也可以成為AI最佳化物件 Recursive Self-Improving火熱，業界也都在談論，但大多數探索還僅僅徘徊在概念層，真正跑通完整閉環的落地案例並不多。 落到實際工作裡，現在常見的有兩類嘗試。 一部分方案只是給模型套上一層工具外殼，比如harness，讓模型自己調調工具、改改提示詞。 但這樣相當於只是把模型的呼叫方式做了增強，底層的訓練管線幾乎原封不動，並沒有觸動模型自我迭代的根源。 還有一類做法則是用大模型對生成的資料做打分篩選。 但這套評判標準是人類預先寫死的規則，篩選邏輯本身不會跟著模型能力成長而自我演化。 模型變強之後，舊的評判標尺很快就會失效，依然源源不斷產出低價值樣本。 單純靠擴大數據集規模、對已有資料反覆清洗過濾，已經很難再撬動能力的進一步躍升。 訓練資料仍由人類逐題生產， 模型的進化速度被人類出題的速度卡住 ，這是Recursive Self-Improving落地的核心問題之一。 BigBang團隊換了一個角度思考這個問題。 如果模型可以自我改進，那麼能不能讓訓練資料的生產系統本身，也成為被最佳化的物件？ 於是，問題從「如何收集更多科學資料」，變成了「如何讓資料生產系統，隨著模型能力一起持續進化」。 要解決它，就要回到資料質量這一源頭，資料質量不是清洗洗出來的，是任務本身的屬性決定的。 如果想要搭建一套能持續自我進化的資料系統，任務必須同時滿足兩個條件。 首先是 前沿性 。 任務要位於當前知識或模型能力的邊界，甚至沒有已知最優答案。 新理論、新資料、新工具不斷出現，科學前沿就會持續產生新問題，不會像靜態題庫一樣被模型迅速耗盡。 其次是 可驗證性 。 候選方案要能通過形式化方法、程式執行、數值計算、模擬器、實驗反饋或領域工具做客觀檢查。 只有前沿而無法驗證，系統拿不到可靠訓練訊號；只有驗證但缺乏難度，任務又會迅速落後於模型能力。 二者缺一，資料都會快速貶值。 BigBang團隊將科學領域作為模型的訓練載體，恰好同時滿足前沿性與可驗證性兩大條件。 它天然組合了搜尋、閱讀、提出假設、數學推導、程式碼開發、工具呼叫、實驗分析和結果寫作，相當於一套面向通用智慧的綜合課程。 Jeff Dean說Discovery Loop這條路線適用於有可衡量目標的科學和工程領域，BigBang選科學當訓練場，底層邏輯同源。 用可驗證的前沿任務牽引資料生產，讓資料生產系統跟著模型一起進化，這就是BigBang給出的回答： AI advancing science, and science advancing AI.（AI推動科學，科學推動AI） AI開始決定，下一代AI學什麼 把理論答案落為工程實現，BigBang的關鍵是一套 能持續修改和改進自身生產策略的自演化合成資料管線 。 它把RSI機制嵌入了訓練管線內部，讓AI直接參與任務構造、求解、驗證、篩選，以及下一輪資料生產策略的最佳化。 △BigBang整體框架 系統的核心，是兩類Agent協同工作。 Generator Agent 負責不斷提出並解決科學、技術及AI研究中的高難度任務。 並非照著固定Prompt出題的生成器，它是作為程式碼Agent，直接修改、執行和除錯資料合成程式。 並且，它還可以調整任務來自哪些科學領域、問題需要多長的推理鏈、該用搜索還是計算還是程式碼還是模擬工具，甚至決定哪些樣本保留、哪些淘汰、哪些生成策略失敗了下輪不再重複。 每一輪實驗結束，它還會記錄修改動機、實驗結果和失敗原因，讓後續探索繼承此前的經驗。 Critic Agent 則從對抗角度審查候選資料。 第一層看格式、工具執行、資料完整性和約束滿足； 第二層進一步判斷任務是否正確、可驗證、足夠困難、多樣，並且真正具備訓練價值。 過不了審查的任務就被拒絕或回爐，通過的才進入合成數據集。 Generator負責造，Critic負責挑，這套對抗與協作就像 AlphaGo的自我對弈 ，只不過棋盤換成了開放的科學任務空間。 以上是系統的自迭代內迴圈，但這種快速內迴圈還有一個隱患。 Generator可能逐漸學會迎合Critic，造出一些表面複雜、評分很高、訓練後卻無法遷移到真實任務的資料。 因此BigBang在快速迴圈之外，又加了一層由真實訓練結果驅動的外迴圈。 △BigBang的兩層共同演化框架 系統會生成不同版本的資料生產管線，分別訓練模型，再放到留出的真實研究任務裡評測。 如果Critic認為某類資料價值很高，訓練後的模型卻沒有真正變強，說明評價標準存在偏差，系統就用真實結果反向校準Critic，並調整Generator下一輪的任務領域和難度； 反過來，如果某類看似狹窄的科學任務帶來了搜尋、推理或工具上的廣泛提升，系統也會加大對該方向的探索。 內外雙迴圈轉起來，資料和模型開始一起變強。 但模型越強，原本困難的任務就可能“越來越不值錢”，所以模型過去無法處理的問題又變得可解。 因此，資料管線必須是動態的，它得跟著模型一起變化。 這就是BigBang的資料層RSI閉環： 上一輪模型和實驗產生的結果，影響下一輪訓練資料的生成與篩選方式。 100%純AI合成數據，靠這個閉環打破了「合成數據會坍縮」的魔咒，錯誤的答案不會被當成正確答案繼續喂回訓練，因為驗證鏈一直在兜底。 當然，這也並不意味著人類退出研發。研發目標、資源預算、風險邊界、最終驗收標準，仍然由人類定義。 AI不能自行修改評測標準，也不能因為自己的Critic打了高分就直接批准某個方案進入下一輪訓練。 人類負責確定方向和定義什麼是有效進步，AI負責大規模探索、執行實驗、整理失敗經驗、生產下一輪訓練所需的資料。 可以說，這是訓練資料生產關係的一次重新分工。 無盡前沿 BigBang-V1背後的無盡前沿團隊，是學術與產業的結合。 團隊創始成員之一是上海交大人工智慧學院副教授 陳思衡 。 這位CMU博士曾任職於Uber ATG自動駕駛部門，回國後帶領團隊打造出通用科研智慧體 SciMaster 。 SciMaster曾登頂OpenAI FrontierScience榜單，實現了“搜、讀、算、做、寫”完整科研閉環。 另一位核心成員是上海交大助理教授 張林峰 。 這位年輕博導主攻 模型壓縮與資料蒸餾 ，他提出的大模型資料蒸餾方法拿過CVPR滿分，一直在探索怎麼更科學地合成數據、怎麼讓模型用更少的資料變得更高效。 產業一側， 深勢科技創始人張林峰 與 中國科學院院士鄂維南 為這支團隊補上了AI for Science的產業縱深。 無盡前沿要做的是依託可驗證前沿任務的自進化合成體系，實現開放式通用智慧，搭建完整AI自我迭代訓練飛輪。 當訓練資料的生產不再依賴人類逐題產出、當AI開始參與決定下一代AI應該學習什麼，AI進步的天花板，就被自己抬高了。 或許，下一個賽點的關鍵不在算力堆疊，而在資料智慧。 模型主頁：https://huggingface.co/endless-frontier/BigBang-v1 程式碼地址：https://github.com/endless-frontier/BigBang-v1 團隊主頁：https://endlessfrontier.tech 版權所有，未經授權不得以任何形式轉載及使用，違者必究。 聞樂 奧特曼也逃不過刷TikTok上癮，Sora背後最抓馬的一段來了 2026-08-01 企業出海，被中國信通院和騰訊重新定義了一次 2026-07-27 晶片賣了56萬片之後，阿里平頭哥把最值錢的東西開源了 2026-07-23 清華系團隊釋出國產Token優化工廠：相容10餘種國產晶片，日吞吐千億Token 2026-07-18