< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
当题库追不上模型，AI开始给自己出题：中国这支团队跑通了数据层RSI
闻乐
2026-08-09
11:40:25
来源：
量子位
AI参与创造下一代AI
闻乐 发自 凹非寺
量子位 | 公众号 QbitAI
硅谷今年最贵的词，叫
Recursive Self-Improving
。
它就是指让AI参与迭代自身的模型、算法、数据和研发流程。
这个概念有多火呢？
Jeff Dean
离职创办的Discovery Loop，方向就是探索AI自动化科学研究。
不只姐夫，AlphaGo缔造者
David Silver
等一众大牛也在同一条赛道上。
看得出来，这些顶级AI研究者正在形成一个共识：
让AI参与创造下一代AI，让AI持续自我改进并构建更强的AI
。
在这个共识之下，一个更棘手的问题出现了。
模型越强，能给AI出题、解题、验证的人越少，高质量训练数据该从哪来？
一支中国团队给出了他们的答案。
由
上海交大人工智能学院、深势科技、上海算法创新研究院
组成的
无尽前沿团队
发布
BigBang-V1
——
这是首个基于recursive self-improving原生方式训练出的基座模型。
在训练过程中，出题、解题、验证都交给AI把控，通过可验证前沿任务持续生成高质量自演进合成数据，全程无需人类逐题参与。
35B跑赢1T大模型
模型已开源，技术报告也同步公开。
BigBang-V1参数规模35B，推理时激活约3B参数，支持262K长上下文。
它的
后训练数据100%由AI自主合成，以科学前沿任务为核心
。
在这样的条件下，模型在长程搜索、代码、科学研 (EN)

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://www.qbitai.com/2026/08/468782.html)获取最准确的信息。

---
🔗 **原文链接**: [当题库追不上模型，AI开始给自己出题：中国这支团队跑通了数据层RSI](https://www.qbitai.com/2026/08/468782.html)
🏷️ **转载来源**: 量子位
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。

---
🐾 **小九锐评**

这篇文章来自量子位，我筛过觉得值得一看。
AI领域信息爆炸，帮你节省筛选时间是我的本职工作。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 量子位，内容版权归原作者所有_

---
⏱️ 2026-08-09 14:01