AnswersPublished19 sources
המרוץ הסיני לשיפור עצמי של AI מתמקד במעטפת — לא רק במשקולות
נכון ל־31 באוקטובר 2026, הראיות המבוססות ביותר מצביעות על שיפור המערכות שסביב מודלי AI — כמו תשתיות הסקה, מעטפות סוכנים וסביבות אימון — ולא על הוכחה שמעבדות מסוגלות לבנות מודלים מתקדמים חדשים באופן אוטונומי. מסגרת בת חמישה שלבים מבחינה בין ביצוע שדרוגים שתכננו בני אדם לבין בחירה עצמאית של מה לשפר, ועד לעיצוב מחדש של...
פורסם על ידינערך באמצעות GPT-6 Lunaהתמונות נוצרו באמצעות GPT Image 2
Research answer
Key takeaways
- נכון ל־31 באוקטובר 2026, הראיות המבוססות ביותר מצביעות על שיפור המערכות שסביב מודלי AI — כמו תשתיות הסקה, מעטפות סוכנים וסביבות אימון — ולא על הוכחה שמעבדות מסוגלות לבנות מודלים מתקדמים חדשים באופן אוטונומי.
- מסגרת בת חמישה שלבים מבחינה בין ביצוע שדרוגים שתכננו בני אדם לבין בחירה עצמאית של מה לשפר, ועד לעיצוב מחדש של תהליך השיפור עצמו.
- הדיווח על שיפור תפוקה של פי שלושה בתשתית של GLM 5.3 הוא דוגמה לאופטימיזציה בסיוע AI, אך אינו מוכיח שהסוכן בחר בעצמו את היעד או אימת את התוצאות.
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
שיפור עצמי רקורסיבי של בינה מלאכותית לא חייב להתבטא בכך שמודל משנה את המשקולות שלו. סוכן יכול גם לערוך את התוכנות, הכלים, סביבות העבודה או תהליכי העבודה שבעזרתם מפעילים ומשפרים מערכות AI. גישה שמתמקדת במערכות שסביב המודל ניכרת בכמה פרויקטים סיניים שדווחו — אך הראיות הזמינות תומכות במסקנה מוגבלת יותר מהטענה שבינה מלאכותית בונה באופן אוטונומי את הדור הבא שלה.
מה נחשב לשיפור עצמי רקורסיבי?
שינוי של פרומפט או כתיבת קוד אינם, כשלעצמם, שיפור עצמי רקורסיבי. המבחן המחמיר יותר הוא אם המערכת מבצעת שינוי מתמשך ומאושר בתהליך שמייצר שיפורים עתידיים — כך שגם בסבב הבא נעשה שימוש בתהליך המשופר.
מחקר על מעטפות לסוכנים שמשפרות את עצמן מתאר לולאה שבה סוכן מאתר חולשות ברישומי ההרצה, מציע שינויים במעטפת ומאמת אותם באמצעות בדיקות רגרסיה. 52 מאמר נוסף מגדיר את הצעד הרקורסיבי באופן מחמיר יותר: שינוי מאושר בקוד של סוכן מחקר AI הופך לגרסה שמבצעת את סבב השינויים הבא. התקציר מדווח על שבעה שיפורים רצופים במהלך ריצה שנמשכה שמונה ימים — ממצא מחקרי במסגרת של סוכן מסוים, ולא הוכחה ליכולת כללית ופתוחה להשתפר ללא גבול.
56
מה מראות הראיות הזמינות מסין?
דיווח של 36Kr מספטמבר סיפר שסוכן תשתיות המופעל באמצעות GLM-5.3 אופטימיזציה את מנוע ההסקה של המודל על אשכול מחשוב שכלל יותר מ־100,000 שבבים מתוצרת מקומית. לפי הדיווח, העבודה ארכה פחות משבועיים והגדילה פי שלושה את התפוקה מקצה לקצה ביחס לקו הבסיס הראשוני. 21 זהו דיווח על אופטימיזציה של תשתיות בסיוע AI. כשלעצמו, הוא אינו מוכיח שהסוכן בחר באופן עצמאי את היעד, אימת את התוצאות שלו או שיפר את התהליך שיבצע את האופטימיזציה הבאה.
החומרים של Moonshot AI על Kimi K3 מציגים שכבה רלוונטית נוספת: החברה פרסמה את AgentEnv, שתוארה כתשתית לסביבות למידה מבוזרת בחיזוק, לצד טכנולוגיות למערכות האימון — ובהן ספריית תקשורת וליבת attention מהירה. 25 הכלים האלה תומכים באימון מודלים ובעבודת סוכנים, אך עצם קיומם אינו מעיד שסוכן תכנן באופן אוטונומי סביבות אימון טובות יותר או מודל יורש.
חשוב גם להבחין בין שיפור תשתיות לבין אימון מודל. בתיעוד של Z.ai נכתב ש־GLM-5.3 משתמש באותו מודל בסיס כמו GLM-5.2, וכי השיפורים בו נבעו מאימון לאחר האימון הראשוני — post-training. 2 זהו מסלול מתועד לשיפור מודל, ולא הוכחה שהיכולות החדשות נוצרו רק משינויים במערכות שסביבו.
מסגרת בת חמישה שלבים לבחינת הטענות
המאמר מספטמבר, The Last AI Built by Humans, מציג חמישה שלבים של אוטונומיה הולכת וגוברת: ביצוע שיפורים שנקבעו מראש; בחירת אסטרטגיות לשיפור; השגת ניסיון שישמש ללמידה עתידית; הסתגלות באמצעות פריסה ומשוב מהסביבה; ושיפור תהליך השיפור עצמו. 33 גם סיקור עכשווי מתאר את המסגרת כהתקדמות לעבר מערכות AI שבונות את הדור הבא שלהן.
35
השלבים עוזרים להפריד בין סוגים שונים של אוטומציה. סוכן שמריץ ניסוי שתכנן אדם אינו עושה את אותו הדבר כמו סוכן שבוחר מה לשפר. אף אחד מהם אינו שקול למערכת שמסוגלת לתכנן מחדש באופן אמין את לולאת השיפור שלה ולוודא שהיא עובדת. המאמר מציע דרך להבחין בין המצבים האלה; המקורות הזמינים כאן אינם מוכיחים שרוב מערכות ה־AI המתקדמות נמצאות דווקא בשלבים הראשון או השני.
מה עדיין לא אומת — ולמה זה חשוב
המקורות שסופקו אינם מבססים כמה מהטענות המפורטות שעלו בנוגע להיקף היומי של סביבות האימון המבודדות של DSec, למדדי הביצועים של מסגרות האימון והליבות של ModelBest, למספר הסביבות ולמדריכי ההתאוששות שיוחסו ל־Moonshot, או לריצת האימון שיוחסה ל־Alibaba. הם גם אינם כוללים ממצאים של הסקר המיוחס ל־Leiphone. הפריט של Leiphone במקורות הוא דוח טכני על Kimi K3, לא סקר על שיפור עצמי רקורסיבי. 24
מחקר נוסף על מעטפות לסוכנים מצביע גם על מגבלה מעשית: שיפור ביצועים עלול לבוא עם עלייה בעלויות ההרצה. לכן, הערכה צריכה להביא בחשבון את האיזון בין הצלחה במשימה לבין צריכת מחשוב או שימוש בכלים. 54 באופן רחב יותר, כל טענה על שיפור רקורסיבי צריכה להבהיר מי קובע את היעד, מי מחליט אם השינוי הצליח והאם השינוי שאושר אכן משפר את הסבב הבא.
המסקנה הזהירה ביותר היא אוטומציה מבטיחה של המערכות והתשתיות המשמשות לפיתוח AI — אך עדיין אין הוכחה לשיפור עצמי רקורסיבי פתוח. סוכני תשתיות ומעטפות שמשפרות את עצמן הם צעדים משמעותיים כאשר השיפורים נשמרים ומקדמים את העבודה בהמשך. אבל דיווח על שיפור בתפוקה, כלים שאפשר לעשות בהם שימוש חוזר או סבבי אימון חוזרים אינם מוכיחים לבדם שמערכת AI מסוגלת להחליט באופן אמין מה לשפר, להעריך את תוצאותיה ולבנות יורש טוב יותר.
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 "המרוץ הסיני לשיפור עצמי של AI מתמקד במעטפת — לא רק במשקולות"?
נכון ל־31 באוקטובר 2026, הראיות המבוססות ביותר מצביעות על שיפור המערכות שסביב מודלי AI — כמו תשתיות הסקה, מעטפות סוכנים וסביבות אימון — ולא על הוכחה שמעבדות מסוגלות לבנות מודלים מתקדמים חדשים באופן אוטונומי.
What are the key points to validate first?
נכון ל־31 באוקטובר 2026, הראיות המבוססות ביותר מצביעות על שיפור המערכות שסביב מודלי AI — כמו תשתיות הסקה, מעטפות סוכנים וסביבות אימון — ולא על הוכחה שמעבדות מסוגלות לבנות מודלים מתקדמים חדשים באופן אוטונומי. מסגרת בת חמישה שלבים מבחינה בין ביצוע שדרוגים שתכננו בני אדם לבין בחירה עצמאית של מה לשפר, ועד לעיצוב מחדש של תהליך השיפור עצמו.
What should I do next in practice?
הדיווח על שיפור תפוקה של פי שלושה בתשתית של GLM 5.3 הוא דוגמה לאופטימיזציה בסיוע AI, אך אינו מוכיח שהסוכן בחר בעצמו את היעד או אימת את התוצאות.
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
