AnswersPublished19 sources
Kinas AI-kappløp handler også om å forbedre maskineriet rundt modellene
Rapporterte prosjekter peker mot AI assistert optimalisering av infrastruktur, agentverktøy og treningsmiljøer – ikke dokumentasjon på at AI laboratorier autonomt bygger stadig bedre etterfølgere. En femtrinnsmodell skiller mellom å utføre forbedringer mennesker har valgt, å velge hva som bør forbedres, og til slutt...
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- Rapporterte prosjekter peker mot AI assistert optimalisering av infrastruktur, agentverktøy og treningsmiljøer – ikke dokumentasjon på at AI laboratorier autonomt bygger stadig bedre etterfølgere.
- En femtrinnsmodell skiller mellom å utføre forbedringer mennesker har valgt, å velge hva som bør forbedres, og til slutt å forbedre selve forbedringsprosessen.
- Et sentralt spørsmål er om endringene faktisk gjør neste runde bedre, og hvem som avgjør om resultatet er godt nok.
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
Selvforbedrende AI trenger ikke bety at en modell skriver om sine egne vekter. En agent kan også endre programvaren, verktøyene, testmiljøene eller arbeidsflytene som brukes til å kjøre og forbedre AI-systemer. Noen rapporterte kinesiske prosjekter retter seg mot nettopp dette maskineriet. Men kildene gir grunnlag for en mer avgrenset konklusjon enn at AI allerede bygger sine egne etterfølgere på egen hånd.
Hva vil det si at AI forbedrer seg selv?
Det er ikke nok at en modell skriver kode eller justerer en prompt. En strengere test er om systemet gjør en varig endring i prosessen som skaper senere forbedringer – slik at neste runde faktisk bruker den forbedrede prosessen.
Forskning på selvforbedrende agentrammeverk beskriver en løkke der en agent leter etter svakheter i sporene etter tidligere kjøringer, foreslår endringer i driftsrammeverket og tester dem før de godtas. 52 En annen studie definerer den rekursive delen enda tydeligere: Når en endring i koden til en AI-forskningsagent godtas, er det den nye versjonen som utfører neste runde med endringer. Sammendraget rapporterer sju påfølgende forbedringer i løpet av en åttedagers kjøring. Det er et forskningsresultat fra et bestemt agentoppsett, ikke dokumentasjon på generell og ubegrenset selvforbedring.
56
Hva kildene viser om Kina
En reportasje fra 36Kr i september fortalte at en infrastrukturagent drevet av GLM-5.3 optimaliserte modellens inferensmotor på en klynge med over 100 000 kinesiskproduserte brikker. Ifølge reportasjen tok arbeidet under to uker, og gjennomstrømningen fra ende til ende ble tredoblet sammenlignet med utgangspunktet. 21 Dette er et eksempel på rapportert AI-assistert optimalisering av infrastruktur. Det viser ikke i seg selv at agenten valgte målet på egen hånd, kontrollerte resultatene uavhengig eller forbedret prosessen som skulle gjennomføre neste optimalisering.
Moonshots materiale om Kimi K3 viser et annet lag av denne infrastrukturen. Selskapet lanserte AgentEnv, som beskrives som infrastruktur for distribuerte miljøer til forsterkningslæring, sammen med teknologier for treningssystemet, blant annet et kommunikasjonsbibliotek og en rask oppmerksomhetskjerne. 25 Slike verktøy kan støtte modelltrening og agentarbeid. At de finnes, dokumenterer imidlertid ikke at en agent autonomt har utviklet bedre treningsmiljøer eller en etterfølgermodell.
Det er også viktig å skille mellom bedre infrastruktur og bedre modelltrening. Z.ai opplyser at GLM-5.3 bruker samme grunnmodell som GLM-5.2, og at forbedringene kommer fra ettertrening. 2 Dette beskriver en dokumentert måte å forbedre modellen på – gjennom ettertrening – og viser ikke at fremgangen skyldes endringer i det omkringliggende maskineriet alene.
Fem nivåer av selvforbedring
September-artikkelen The Last AI Built by Humans beskriver fem nivåer med økende grad av autonomi: AI utfører forbedringer mennesker har bestemt; velger selv strategier for forbedring; skaffer erfaring som kan brukes i senere læring; tilpasser seg gjennom bruk og tilbakemeldinger fra omgivelsene; og forbedrer til slutt selve prosessen for forbedring. 33 Omtale av rammeverket beskriver det også som en utvikling mot AI-systemer som bygger sine egne etterfølgere.
35
Nivåene gjør det lettere å skille ulike former for automatisering. En agent som gjennomfører et forsøk mennesker har utformet, gjør ikke det samme som en agent som selv velger hva som skal forbedres. Ingen av delene er det samme som et system som pålitelig kan redesigne og kontrollere sin egen forbedringssløyfe. Artikkelen gir et rammeverk for å skille mellom disse stegene, men kildene her dokumenterer ikke at de fleste avanserte AI-systemer befinner seg på nivå én eller to.
Hva som ikke er bekreftet
Kildene som er tilgjengelige her, dokumenterer ikke flere detaljerte påstander om DSecs daglige mengde sandkasser, ModelBests målinger av treningsrammeverk og kjerner, Moonshots rapporterte antall sandkasser og gjenopprettingsoppskrifter eller Alibabas påståtte treningskjøring. De inneholder heller ikke resultater fra den omtalte Leiphone-undersøkelsen. Leiphone-saken i kildematerialet er en teknisk rapport om Kimi K3, ikke en undersøkelse av rekursiv selvforbedring. 24
Forskning på agentrammeverk peker dessuten på en praktisk begrensning: Bedre resultater kan kreve mer kjøring og dermed høyere kostnader. Evalueringen må derfor se på både hvor godt oppgavene løses og hvor mye beregning eller verktøybruk det krever. 54 For å vurdere en påstand om rekursiv forbedring bør man også vite hvem som setter målet, hvem som avgjør om en endring virker, og om den godkjente endringen faktisk gjør neste runde bedre.
Den mest forsvarlige konklusjonen er lovende automatisering av maskineriet for AI-utvikling – ikke verifisert, åpen og ubegrenset selvforbedring. Infrastrukturagenter og selvforbedrende driftsrammeverk kan være viktige steg når forbedringene varer og styrker arbeidet som følger. Men rapporterte økninger i gjennomstrømning, gjenbrukbare verktøy eller gjentatte treningsrunder viser ikke alene at AI pålitelig kan velge hva som skal forbedres, vurdere egne resultater og bygge en bedre etterfølger.
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-kappløp handler også om å forbedre maskineriet rundt modellene"?
Rapporterte prosjekter peker mot AI assistert optimalisering av infrastruktur, agentverktøy og treningsmiljøer – ikke dokumentasjon på at AI laboratorier autonomt bygger stadig bedre etterfølgere.
What are the key points to validate first?
Rapporterte prosjekter peker mot AI assistert optimalisering av infrastruktur, agentverktøy og treningsmiljøer – ikke dokumentasjon på at AI laboratorier autonomt bygger stadig bedre etterfølgere. En femtrinnsmodell skiller mellom å utføre forbedringer mennesker har valgt, å velge hva som bør forbedres, og til slutt å forbedre selve forbedringsprosessen.
What should I do next in practice?
Et sentralt spørsmål er om endringene faktisk gjør neste runde bedre, og hvem som avgjør om resultatet er godt nok.
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
