AntwortenVeröffentlicht19 Quellen
KI, die sich selbst verbessert? In China liegt der Fokus oft auf der Infrastruktur
Stand 31. Oktober 2026 sprechen die belastbarsten Hinweise für Verbesserungen an KI Infrastruktur, Agenten Gerüsten und Trainingsumgebungen – nicht für den Nachweis, dass KI Labore ihre Nachfolgemodelle autonom entwic...
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- Stand 31. Oktober 2026 sprechen die belastbarsten Hinweise für Verbesserungen an KI Infrastruktur, Agenten Gerüsten und Trainingsumgebungen – nicht für den Nachweis, dass KI Labore ihre Nachfolgemodelle autonom entwic...
- Ein Fünf Stufen Modell unterscheidet zwischen dem Ausführen vorgegebener Verbesserungen und der Fähigkeit, den Verbesserungsprozess selbst neu zu gestalten.
- Mehr Durchsatz, wiederverwendbare Werkzeuge oder wiederholte Trainingsläufe reichen allein nicht aus: Entscheidend ist, ob eine angenommene Änderung auch die nächste Verbesserungsrunde wirksamer macht.
KI-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
Rekursive Selbstverbesserung muss nicht bedeuten, dass ein Modell seine eigenen Gewichte umschreibt. Ein Agent kann auch die Software, Werkzeuge, Umgebungen oder Abläufe verändern, mit denen KI-Systeme betrieben und weiterentwickelt werden. Für einige berichtete Projekte in China ist dieser Ansatz relevant. Die verfügbaren Belege tragen jedoch eine deutlich vorsichtigere Schlussfolgerung als die Behauptung, KI baue bereits autonom ihre Nachfolger.
Was heißt rekursive Selbstverbesserung?
Nicht jede Änderung an einem Prompt und nicht jedes geschriebene Stück Code ist schon rekursive Selbstverbesserung. Strenger wird der Begriff, wenn ein System eine dauerhafte Änderung am Prozess vornimmt, der künftige Verbesserungen hervorbringt – und die nächste Runde tatsächlich mit diesem verbesserten Prozess arbeitet.
Forschungsarbeiten zu selbstverbessernden Agenten-Gerüsten beschreiben dafür einen Kreislauf: Ein Agent sucht in Ausführungsprotokollen nach wiederkehrenden Schwächen, schlägt Änderungen an seinem „Harness“ vor und prüft sie mit Regressionstests. Ein Harness ist das technische Gerüst, das einen Agenten etwa mit Werkzeugen, Regeln und Abläufen ausstattet. 52 Eine weitere Arbeit zieht die Grenze noch genauer: Eine angenommene Änderung am Code eines KI-Forschungsagenten wird zur Version, die den nächsten Änderungsschritt ausführt. Das Abstract berichtet von sieben aufeinanderfolgenden Verbesserungen in einem acht Tage dauernden Lauf. Das ist ein Forschungsergebnis für ein bestimmtes Agentensystem – kein Nachweis für offene Selbstverbesserung bei beliebigen KI-Systemen.
56
Was die verfügbaren Belege aus China zeigen
Ein Bericht des chinesischen Tech-Mediums 36Kr meldete im September, ein mit GLM-5.3 betriebener Infrastruktur-Agent habe die Inferenz-Engine des Modells auf einem Cluster mit mehr als 100.000 in China hergestellten Chips optimiert. Die Arbeit habe weniger als zwei Wochen gedauert; der Durchsatz von Anfang bis Ende sei gegenüber dem Ausgangswert auf das Dreifache gestiegen. 21 Das ist ein Bericht über KI-gestützte Optimierung von Infrastruktur. Für sich genommen belegt er nicht, dass der Agent das Ziel eigenständig festlegte, seine Ergebnisse selbst verifizierte oder den Prozess für die nächste Optimierungsrunde verbesserte.
Auch die Materialien von Moonshot AI zu Kimi K3 zeigen eine relevante Infrastruktur-Ebene: Das Unternehmen veröffentlichte AgentEnv, eine Infrastruktur für verteilte Reinforcement-Learning-Umgebungen, zusammen mit Technologien für das Trainingssystem – darunter eine Kommunikationsbibliothek und einen leistungsfähigen Attention-Kernel. 25 Solche Werkzeuge können Training und Agentenarbeit unterstützen. Ihre Veröffentlichung allein zeigt aber nicht, dass ein Agent selbstständig bessere Trainingsumgebungen oder ein Nachfolgemodell entworfen hat.
Wichtig ist außerdem die Unterscheidung zwischen Infrastrukturverbesserungen und Modelltraining. Laut der Dokumentation von Z.ai basiert GLM-5.3 auf demselben Grundmodell wie GLM-5.2; die Verbesserungen seien durch Post-Training entstanden. 2 Das beschreibt einen Weg, ein Modell weiterzuentwickeln. Es ist kein Beleg dafür, dass die Leistungsgewinne ausschließlich durch Änderungen an der umgebenden Infrastruktur zustande kamen.
Fünf Stufen statt einer Alles-oder-nichts-Frage
Die im September veröffentlichte Arbeit The Last AI Built by Humans ordnet zunehmende Autonomie in fünf Stufen: Eine KI führt zunächst vorgegebene Verbesserungen aus, wählt dann Verbesserungsstrategien, beschafft später selbst Erfahrungen für künftiges Lernen, passt sich durch Einsatz- und Umgebungsfeedback an und verbessert schließlich den Verbesserungsprozess selbst. 33 Auch die Berichterstattung beschreibt diese Stufen als Weg hin zu KI-Systemen, die ihre Nachfolger entwickeln könnten.
35
Das Modell hilft, unterschiedliche Automatisierungsgrade auseinanderzuhalten. Ein Agent, der ein von Menschen entworfenes Experiment ausführt, ist nicht dasselbe wie ein System, das selbst entscheidet, was verbessert werden soll. Und beides ist noch nicht gleichbedeutend mit einer KI, die ihre eigene Verbesserungsroutine zuverlässig neu gestaltet und überprüft. Die Arbeit bietet ein Raster für solche Unterscheidungen; die hier verfügbaren Quellen belegen nicht, dass die meisten führenden Systeme bereits auf den ersten beiden Stufen stehen.
Was offenbleibt – und warum es wichtig ist
Die vorliegenden Quellen belegen mehrere detaillierte Behauptungen nicht: etwa die tägliche Zahl von Sandboxes bei DSec, Benchmarks zu Trainings-Framework und Kernels von ModelBest, die berichtete Sandbox-Anzahl und Wiederherstellungs-Playbooks bei Moonshot oder einen angeblichen Trainingslauf bei Alibaba. Auch Ergebnisse der erwähnten Leiphone-Umfrage liegen nicht vor. Der Leiphone-Beitrag im Quellensatz ist ein technischer Bericht zu Kimi K3, keine Umfrage zu rekursiver Selbstverbesserung. 24
Unabhängige Forschung zu Agenten-Gerüsten verweist zudem auf einen praktischen Zielkonflikt: Leistungsgewinne können höhere Ausführungskosten mit sich bringen. Deshalb müssen neben dem Aufgabenerfolg auch Rechenaufwand und Werkzeugnutzung bewertet werden. 54 Bei jeder Behauptung über rekursive Selbstverbesserung sollte außerdem klar sein: Wer setzt das Ziel? Wer entscheidet, ob eine Änderung funktioniert? Und verbessert die angenommene Änderung tatsächlich die nächste Runde?
Das am besten belegte Fazit lautet daher: vielversprechende Automatisierung der KI-Entwicklungswerkzeuge – aber keine bestätigte offene rekursive Selbstverbesserung. Infrastruktur-Agenten und sich verbessernde Harnesses sind bedeutsame Schritte, wenn Änderungen bestehen bleiben und spätere Arbeit wirksamer machen. Mehr Durchsatz, wiederverwendbare Werkzeuge oder wiederholte Trainingsläufe zeigen für sich allein jedoch nicht, dass ein KI-System zuverlässig selbst entscheiden, seine Ergebnisse beurteilen und einen besseren Nachfolger bauen kann.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „KI, die sich selbst verbessert? In China liegt der Fokus oft auf der Infrastruktur“?
Stand 31. Oktober 2026 sprechen die belastbarsten Hinweise für Verbesserungen an KI Infrastruktur, Agenten Gerüsten und Trainingsumgebungen – nicht für den Nachweis, dass KI Labore ihre Nachfolgemodelle autonom entwic...
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Stand 31. Oktober 2026 sprechen die belastbarsten Hinweise für Verbesserungen an KI Infrastruktur, Agenten Gerüsten und Trainingsumgebungen – nicht für den Nachweis, dass KI Labore ihre Nachfolgemodelle autonom entwic... Ein Fünf Stufen Modell unterscheidet zwischen dem Ausführen vorgegebener Verbesserungen und der Fähigkeit, den Verbesserungsprozess selbst neu zu gestalten.
Was soll ich als nächstes in der Praxis tun?
Mehr Durchsatz, wiederverwendbare Werkzeuge oder wiederholte Trainingsläufe reichen allein nicht aus: Entscheidend ist, ob eine angenommene Änderung auch die nächste Verbesserungsrunde wirksamer macht.
Quellen
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
