AnswersPublished19 sources
Kinas AI-laboratorier forbedrer AI-maskineriet – ikke kun modellerne
Den bedst underbyggede udvikling er automatisering af værktøjer, træningsmiljøer og infrastruktur omkring AI modeller – ikke dokumentation for, at AI laboratorier autonomt bygger deres modellers efterfølgere. Et femtrins framework skelner mellem AI, der udfører menneskedefinerede forbedringer, og systemer, der selv...
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer
Key takeaways
- Den bedst underbyggede udvikling er automatisering af værktøjer, træningsmiljøer og infrastruktur omkring AI modeller – ikke dokumentation for, at AI laboratorier autonomt bygger deres modellers efterfølgere.
- Et femtrins framework skelner mellem AI, der udfører menneskedefinerede forbedringer, og systemer, der selv vælger, hvad der skal forbedres, eller ændrer selve forbedringsprocessen.
- Leiphone artiklen i kildematerialet er en teknisk rapport om Kimi K3, ikke en undersøgelse af rekursiv selvforbedring.
AI Prompt
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
Rekursiv selvforbedring behøver ikke betyde, at en AI-model omskriver sine egne vægte. En agent kan også ændre den software, de værktøjer og de arbejdsgange, der bruges til at drive og videreudvikle AI-systemer. Den type fokus på maskineriet omkring modellen ses i flere omtalte kinesiske projekter. Men kilderne giver grundlag for en mere afdæmpet konklusion end påstanden om, at AI allerede selvstændigt bygger sine efterfølgere.
Hvornår er en forbedring egentlig rekursiv?
At ændre en prompt eller skrive kode er ikke automatisk rekursiv selvforbedring. Den afgørende forskel er, om systemet indfører en varig, godkendt ændring i den proces, der skaber fremtidige forbedringer – så næste runde også bruger den forbedrede proces.
Forskning i selvforbedrende agentrammer beskriver en løkke, hvor en agent leder efter svagheder i spor fra sine tidligere kørsler, foreslår ændringer i agentrammen og afprøver dem med regressionstests. 52 En anden artikel bruger en strammere definition: En godkendt omskrivning af en AI-forskningsagents kode bliver den version, der udfører næste runde af ændringer. Artiklen rapporterer syv successive forbedringer under et otte dage langt forsøg. Det er et forskningsresultat i én bestemt agentsituation – ikke dokumentation for generel, ubegrænset selvforbedring.
56
Hvad kilderne viser om Kina
Ifølge en septemberrapport fra 36Kr optimerede en infrastrukturagent drevet af GLM-5.3 modellens inferensmotor på en klynge med over 100.000 kinesiskproducerede chips. Arbejdet tog under to uger, og rapporten siger, at gennemløbet fra start til slut blev tredoblet i forhold til udgangspunktet. 21 Det er et eksempel på rapporteret AI-assisteret optimering af infrastruktur. Det dokumenterer ikke i sig selv, at agenten selv valgte målet, kontrollerede resultaterne eller forbedrede den proces, der skulle udføre næste optimering.
Moonshot AI’s materiale om Kimi K3 viser et beslægtet lag: Virksomheden udgav AgentEnv, der beskrives som infrastruktur til distribuerede miljøer for forstærkningslæring, sammen med teknologier til træningssystemet – blandt andet et kommunikationsbibliotek og en højtydende attention-kerne. 25 Værktøjerne understøtter modeltræning og agentarbejde. At de findes, viser dog ikke i sig selv, at en agent selvstændigt har designet bedre træningsmiljøer eller en efterfølgermodel.
Det er også vigtigt at skelne mellem forbedringer af infrastrukturen og træning af selve modellen. Z.ais dokumentation siger, at GLM-5.3 bygger på samme basismodel som GLM-5.2, og at forbedringerne kommer fra eftertræning. 2 Det beskriver en konkret metode til at forbedre en model – men beviser ikke, at dens kapacitet alene er blevet løftet ved at ændre maskineriet omkring den.
Fem trin fra automatisering til selvforbedring
Artiklen The Last AI Built by Humans fra september opstiller fem niveauer med stigende autonomi: AI udfører først foreskrevne forbedringer; vælger derefter strategier; skaffer siden læringserfaring; tilpasser sig gennem feedback fra brug og omgivelser; og kan på det højeste niveau forbedre selve processen, der skaber forbedringer. 33 Omtale af frameworket beskriver det også som en vej mod AI-systemer, der bygger deres efterfølgere.
35
Trinene gør det lettere at skelne mellem forskellige former for automatisering. En agent, der gennemfører et menneskedesignet forsøg, er ikke det samme som en agent, der selv vælger, hvad der skal forbedres. Og ingen af delene er det samme som et system, der pålideligt kan gentænke og kontrollere sin egen forbedringsløkke. Artiklen giver en ramme for at forstå forskellene, men kilderne her dokumenterer ikke, at de fleste avancerede AI-systemer befinder sig på niveau ét eller to.
Hvad er stadig ikke dokumenteret?
Kilderne understøtter ikke flere konkrete påstande, der er blevet fremsat om DSecs daglige mængde af sandkasser, ModelBests benchmarks for træningsrammer og kerner, Moonshots angivne antal sandkasser og beredskabsplaner eller Alibabas påståede træningsforløb. De indeholder heller ikke resultater fra den omtalte Leiphone-undersøgelse. Leiphone-artiklen i kildematerialet er en teknisk rapport om Kimi K3 – ikke en undersøgelse af rekursiv selvforbedring. 24
Uafhængig forskning i agentrammer peger desuden på en praktisk begrænsning: Bedre resultater kan kræve flere ressourcer at opnå. Derfor bør evalueringen også måle afvejningen mellem opgaveløsning og brug af beregningskraft eller værktøjer. 54 Når nogen hævder, at et system forbedrer sig selv rekursivt, bør det også være tydeligt, hvem der fastlægger målet, hvem der afgør, om ændringen virkede, og om den godkendte ændring faktisk gør næste runde bedre.
Den mest velunderbyggede konklusion er derfor lovende automatisering af maskineriet bag AI-udvikling – ikke dokumenteret, ubegrænset rekursiv selvforbedring. Infrastrukturagenter og selvforbedrende agentrammer kan være vigtige fremskridt, når forbedringerne består og styrker det efterfølgende arbejde. Men bedre gennemløb, genbrugelige værktøjer eller gentagne træningsrunder beviser ikke alene, at AI pålideligt kan vælge, hvad den skal forbedre, vurdere sine egne resultater og bygge en bedre efterfølger.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Kinas AI-laboratorier forbedrer AI-maskineriet – ikke kun modellerne"?
Den bedst underbyggede udvikling er automatisering af værktøjer, træningsmiljøer og infrastruktur omkring AI modeller – ikke dokumentation for, at AI laboratorier autonomt bygger deres modellers efterfølgere.
What are the key points to validate first?
Den bedst underbyggede udvikling er automatisering af værktøjer, træningsmiljøer og infrastruktur omkring AI modeller – ikke dokumentation for, at AI laboratorier autonomt bygger deres modellers efterfølgere. Et femtrins framework skelner mellem AI, der udfører menneskedefinerede forbedringer, og systemer, der selv vælger, hvad der skal forbedres, eller ændrer selve forbedringsprocessen.
What should I do next in practice?
Leiphone artiklen i kildematerialet er en teknisk rapport om Kimi K3, ikke en undersøgelse af rekursiv selvforbedring.
Sources
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
