الإجاباتمنشور19 المصادر
سباق تحسين الذكاء الاصطناعي في الصين يبدأ من «العدة» المحيطة بالنموذج
حتى 31 أكتوبر 2026، تشير الأدلة المتاحة إلى اهتمام بتحسين ما يحيط بالنماذج، مثل بنية الاستدلال وبيئات التدريب وأدوات تشغيل الوكلاء، لا إلى إثبات أن الأنظمة تبني خلفاءها بصورة مستقلة. يفصل إطار من خمسة مستويات بين تنفيذ تحسينات يحددها البشر واختيار ما ينبغي تحسينه، وصولاً إلى تطوير عملية التحسين نفسها.
نشر بواسطةتم التحرير باستخدام GPT-6 Lunaتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- حتى 31 أكتوبر 2026، تشير الأدلة المتاحة إلى اهتمام بتحسين ما يحيط بالنماذج، مثل بنية الاستدلال وبيئات التدريب وأدوات تشغيل الوكلاء، لا إلى إثبات أن الأنظمة تبني خلفاءها بصورة مستقلة.
- يفصل إطار من خمسة مستويات بين تنفيذ تحسينات يحددها البشر واختيار ما ينبغي تحسينه، وصولاً إلى تطوير عملية التحسين نفسها.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: As of October 31, 2026, how are China’s AI labs pursuing recursive self-improvement by improving the machinery around models rather than rew. Article summary: The direction described in your question is system-level self-improvement: agents improve the software, environments and workflows used to run agents and develop successor models, rather than directly editing their own w. Topic tags: general, documentation, general web, academic, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, w
لا يعني التحسين الذاتي المتكرر بالضرورة أن يعيد النموذج كتابة أوزانه. فقد يطوّر الوكيل البرمجيات والأدوات وبيئات التدريب وسير العمل التي تُستخدم لتشغيل أنظمة الذكاء الاصطناعي وتحسينها. وتظهر تقارير عن مشاريع صينية اهتماماً بهذا المسار، لكن الأدلة المتاحة لا تكفي للقول إن الذكاء الاصطناعي يبني خلفاءه بشكل مستقل.
ما المقصود بالتحسين الذاتي المتكرر؟
تعديل موجّه أو كتابة بضعة أسطر من الشيفرة لا يكفيان وحدهما لوصف عملية بأنها تحسين ذاتي متكرر. الاختبار الأهم هو أن يُجري النظام تغييراً دائماً ومقبولاً في العملية التي تنتج التحسينات، بحيث تستخدم الجولة التالية العملية المطوّرة أيضاً.
يصف بحث عن أدوات تشغيل الوكلاء (harnesses) حلقةً يستخرج فيها الوكيل نقاط الضعف من سجلات التنفيذ، ويقترح تعديلات على بيئة تشغيله، ثم يختبرها بحثاً عن تراجعات قبل قبولها. 52 ويضع بحث آخر تعريفاً أشد تحديداً: يُقبل تعديل على شيفرة وكيل بحثي، فيصبح ذلك الإصدار هو الوكيل الذي ينفّذ جولة التعديلات التالية. ويذكر ملخص البحث سبعة تحسينات متعاقبة خلال ثمانية أيام؛ وهي نتيجة ضمن إعداد بحثي محدد، وليست دليلاً على تحسين ذاتي مفتوح الأفق في مختلف المهام.
56
ما الذي تدعمه التقارير عن الصين؟
ذكر تقرير نشرته «36 كريبتون» في سبتمبر أن وكيل بنية تحتية يعمل بنموذج GLM-5.3 حسّن محرك الاستدلال على مجموعة تضم أكثر من 100 ألف شريحة مصنّعة محلياً، في عمل استغرق أقل من أسبوعين، وأن الإنتاجية الإجمالية من البداية إلى النهاية ارتفعت، وفق التقرير، إلى ثلاثة أضعاف خط الأساس الأولي. 21 هذا مثال مُعلن على تحسين البنية التحتية بمساعدة الذكاء الاصطناعي، لكنه لا يثبت وحده أن الوكيل اختار الهدف بشكل مستقل، أو تحقّق من النتائج بنفسه، أو حسّن العملية التي ستنفذ جولة التحسين اللاحقة.
وتكشف مواد Moonshot AI الخاصة بنموذج Kimi K3 عن طبقة أخرى من هذا التوجه: أطلقت الشركة AgentEnv، وهي بنية تحتية لبيئات التعلم المعزز الموزعة، إلى جانب تقنيات لنظام التدريب، منها مكتبة اتصالات ونواة عالية الأداء لآلية الانتباه. 25 تدعم هذه الأدوات تدريب النماذج وعمل الوكلاء، لكن وجودها لا يثبت أن وكيلاً صمّم تلقائياً بيئات تدريب أفضل أو أنشأ نموذجاً لاحقاً.
ومن المهم أيضاً التمييز بين تطوير البنية التحتية وتدريب النموذج. تقول وثائق Z.ai إن GLM-5.3 يستخدم النموذج الأساسي نفسه المستخدم في GLM-5.2، وإن التحسينات جاءت من التدريب اللاحق (post-training). 2 هذا مسار موثّق لتحسين النموذج عبر التدريب اللاحق، وليس دليلاً على أن مكاسب قدراته نتجت حصراً من تعديل الأدوات المحيطة به.
إطار من خمسة مستويات لقياس الادعاءات
يعرض بحث سبتمبر بعنوان «آخر ذكاء اصطناعي يبنيه البشر» خمسة مستويات متصاعدة من الاستقلالية: تنفيذ تحسينات محددة مسبقاً؛ اختيار استراتيجيات التحسين؛ اكتساب خبرات التعلم المستقبلية؛ التكيف عبر النشر والتغذية الراجعة من البيئة؛ ثم تحسين عملية التحسين نفسها. 33 كما تصف تغطية معاصرة الإطار بأنه مسار ينتهي بأن تتمكن الأنظمة من بناء خلفائها.
35
يساعد هذا التقسيم على التمييز بين أشكال مختلفة من الأتمتة. فالوكيل الذي ينفّذ تجربة صممها البشر لا يساوي وكيلاً يختار بنفسه ما الذي ينبغي تحسينه؛ وكلاهما يختلف عن نظام يستطيع إعادة تصميم حلقة التحسين والتحقق من نتائجها على نحو موثوق. يقدّم البحث إطاراً للمقارنة، لكن المصادر المتاحة هنا لا تثبت أن معظم الأنظمة الرائدة تقع عند المستويين الأول أو الثاني.
ما الذي لم يُتحقق منه، ولماذا يهم؟
لا تثبت المصادر المتاحة تفاصيل عدة ادعاءات عن عدد البيئات المعزولة التي تنشئها DSec يومياً، أو اختبارات أطر التدريب والنوى لدى ModelBest، أو عدد بيئات العزل وخطط التعافي المنسوبة إلى Moonshot، أو تشغيل تدريبي مزعوم لدى Alibaba. كما لا تتضمن نتائج استطلاع Leiphone المزعوم. والمادة المدرجة من Leiphone في مجموعة المصادر هي تقرير تقني عن Kimi K3، وليست استطلاعاً عن التحسين الذاتي المتكرر. 24
وتشير أبحاث مستقلة عن أدوات تشغيل الوكلاء إلى قيد عملي آخر: قد تأتي مكاسب الأداء مع ارتفاع تكاليف التنفيذ، ما يجعل المفاضلة بين نجاح المهمة واستهلاك الحوسبة أو الأدوات جزءاً أساسياً من التقييم. 54 وبشكل أعم، ينبغي لأي ادعاء عن التحسين المتكرر أن يوضح من يحدد الهدف، ومن يقرر إن كان التغيير ناجحاً، وما إذا كان التغيير المقبول يحسّن الجولة التالية بالفعل.
الخلاصة الأكثر اتزاناً هي أن ما نراه أتمتة واعدة لأدوات تطوير الذكاء الاصطناعي، لا تحسناً ذاتياً متكرراً مفتوحاً ومثبتاً. ويصبح تطوير البنية التحتية وأدوات التشغيل ذا دلالة حين تستمر التحسينات وتفيد العمل اللاحق. لكن ارتفاع الإنتاجية المُعلن، أو إتاحة أدوات قابلة لإعادة الاستخدام، أو تكرار جولات التدريب، لا يثبت بمفرده أن النظام يستطيع تحديد ما ينبغي تحسينه، والحكم على نتائجه، وبناء خليفة أفضل.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "سباق تحسين الذكاء الاصطناعي في الصين يبدأ من «العدة» المحيطة بالنموذج"؟
حتى 31 أكتوبر 2026، تشير الأدلة المتاحة إلى اهتمام بتحسين ما يحيط بالنماذج، مثل بنية الاستدلال وبيئات التدريب وأدوات تشغيل الوكلاء، لا إلى إثبات أن الأنظمة تبني خلفاءها بصورة مستقلة.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
حتى 31 أكتوبر 2026، تشير الأدلة المتاحة إلى اهتمام بتحسين ما يحيط بالنماذج، مثل بنية الاستدلال وبيئات التدريب وأدوات تشغيل الوكلاء، لا إلى إثبات أن الأنظمة تبني خلفاءها بصورة مستقلة. يفصل إطار من خمسة مستويات بين تنفيذ تحسينات يحددها البشر واختيار ما ينبغي تحسينه، وصولاً إلى تطوير عملية التحسين نفسها.
المصادر
ar5iv.labs.arxiv.orgar5iv.labs.arxiv.org · html · 2606[2606.09498] Self-Harness: Harnesses That Improve Themselves
arxiv.orgRecursive self-improvement of AI research agents - arXiv
m.36kr.com做一个能自迭代的后训练平台，Mind Lab要让更多企业拥有 ...
kimi.comKimi K3 开放日：模型权重、技术报告和关键Infra 技术同步开放
docs.z.aiGLM-5.3 - Overview - Z.AI DEVELOPER DOCUMENT
