AnswersPublished19 sources
Kinas AI-satsning handlar om mer än modellernas vikter
Per den 31 oktober 2026 pekar de tydligaste beläggen på automatisering av AI infrastruktur och agentverktyg, inte på öppet och självständigt AI självförbättrande. En femgradig modell skiljer mellan AI som utför mänskligt planerade förbättringar och system som själva väljer vad som ska förbättras – eller förbättrar s...
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- Per den 31 oktober 2026 pekar de tydligaste beläggen på automatisering av AI infrastruktur och agentverktyg, inte på öppet och självständigt AI självförbättrande.
- En femgradig modell skiljer mellan AI som utför mänskligt planerade förbättringar och system som själva väljer vad som ska förbättras – eller förbättrar själva förbättringsprocessen.
- Det material som finns här visar ingen Leiphone enkät om självförbättrande AI: den relevanta Leiphone publiceringen är en teknisk rapport om Kimi K3.
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
Självförbättrande AI behöver inte innebära att en modell skriver om sina egna vikter. En agent kan också ändra programvaran, verktygen, testmiljöerna eller arbetsflödena som används för att köra och vidareutveckla AI-system. Det är ett spår som förekommer i rapporteringen om kinesiska projekt – men beläggen räcker inte för slutsatsen att AI redan självständigt bygger sina efterföljare.
Vad betyder självförbättring i praktiken?
Att ändra en prompt eller skriva kod är inte automatiskt rekursiv självförbättring. Den starkare prövningen är om systemet gör en bestående förändring av processen som skapar framtida förbättringar, så att även nästa omgång använder den förbättrade processen.
Forskning om självförbättrande agentramverk – ofta kallade harnesses, alltså programvaran och verktygskedjan som styr en agent – beskriver en återkommande cykel: agenten letar efter svagheter i körningsloggar, föreslår ändringar och testar dem mot regressionstester. 52 En annan studie använder en snävare definition: en godkänd omskrivning av en AI-forskningsagents kod blir den version som genomför nästa omgång ändringar. Studien rapporterar sju successiva förbättringar under en åtta dagar lång körning. Det är ett resultat i en specifik agentmiljö, inte belägg för generell och obegränsad självförbättring.
56
Vad beläggen visar om Kina
En rapport från 36Kr i september uppgav att en infrastrukturagent baserad på GLM-5.3 optimerade modellens inferensmotor på ett kluster med över 100 000 inhemskt tillverkade chip. Arbetet ska ha tagit mindre än två veckor och enligt rapporten tredubblat genomströmningen från den ursprungliga nivån. 21 Det är ett rapporterat exempel på AI-assisterad optimering av infrastruktur. Det visar inte i sig att agenten själv valde målet, kontrollerade sina resultat eller förbättrade processen som skulle genomföra nästa optimering.
Moonshot AI:s material om Kimi K3 visar en annan del av infrastrukturen. Företaget släppte AgentEnv, som beskrivs som teknik för distribuerade miljöer för förstärkningsinlärning, tillsammans med träningsteknik som ett kommunikationsbibliotek och en snabb attention-kärna. 25 Sådana verktyg kan stödja modellträning och agentarbete, men deras existens visar inte att en agent på egen hand har utformat bättre träningsmiljöer eller en efterföljande modell.
Det är också viktigt att skilja infrastrukturförbättring från modellträning. Z.ai uppger i sin dokumentation att GLM-5.3 bygger på samma basmodell som GLM-5.2 och att förbättringarna kommer från efterträning. 2 Det är en beskriven väg till modellförbättring genom efterträning – inte bevis för att kapacitetsökningen enbart kom från förändringar i den omgivande infrastrukturen.
Fem nivåer av självständighet
Septemberartikeln The Last AI Built by Humans presenterar fem nivåer av ökande självständighet: AI utför först förbättringar som människor har bestämt, väljer sedan strategier för förbättring, skaffar därefter erfarenhet för framtida lärande, anpassar sig genom återkoppling från användning och omgivning och kan till sist förbättra själva förbättringsprocessen. 33 Även samtida rapportering beskriver modellen som en väg mot AI-system som bygger sina efterföljare.
35
Indelningen tydliggör att olika former av automation inte är likvärdiga. En agent som genomför ett experiment utformat av människor gör inte samma sak som en agent som själv väljer vad som ska förbättras. Inget av detta motsvarar automatiskt ett system som pålitligt kan göra om och validera sin egen förbättringsprocess. Artikeln ger en modell för att skilja stegen åt; de tillgängliga källorna här belägger inte att de flesta ledande AI-system befinner sig på nivå ett eller två.
Vad som inte är verifierat
Källorna här styrker inte flera mer detaljerade påståenden om DSecs dagliga mängd sandlådemiljöer, ModelBests jämförelser av träningsramverk och kärnor, Moonshots uppgivna antal miljöer och återställningsrutiner eller Alibabas påstådda träningskörning. De innehåller inte heller några resultat från den Leiphone-enkät som efterfrågats. Leiphone-materialet i källunderlaget är en teknisk rapport om Kimi K3, inte en enkät om rekursiv självförbättring. 24
Oberoende forskning om agentramverk pekar också på en praktisk begränsning: högre prestanda kan kräva mer körning, beräkning eller verktygsanvändning. Därför behöver utvärderingen väga uppgiftsresultat mot kostnad. 54 Påståenden om rekursiv förbättring bör dessutom klargöra vem som sätter målet, vem som avgör om en ändring fungerar och om den godkända ändringen faktiskt gör nästa förbättringsomgång bättre.
Den mest hållbara slutsatsen är lovande automatisering av maskineriet för AI-utveckling – inte verifierad, obegränsad rekursiv självförbättring. Infrastrukturagenter och självförbättrande agentramverk kan vara viktiga steg när förbättringarna består och hjälper senare arbete. Men rapporterade effektivitetsvinster, återanvändbara verktyg eller upprepade träningsomgångar visar inte i sig att ett AI-system pålitligt kan välja vad det ska förbättra, bedöma sina egna resultat och bygga en bättre efterträdare.
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-satsning handlar om mer än modellernas vikter"?
Per den 31 oktober 2026 pekar de tydligaste beläggen på automatisering av AI infrastruktur och agentverktyg, inte på öppet och självständigt AI självförbättrande.
What are the key points to validate first?
Per den 31 oktober 2026 pekar de tydligaste beläggen på automatisering av AI infrastruktur och agentverktyg, inte på öppet och självständigt AI självförbättrande. En femgradig modell skiljer mellan AI som utför mänskligt planerade förbättringar och system som själva väljer vad som ska förbättras – eller förbättrar själva förbättringsprocessen.
What should I do next in practice?
Det material som finns här visar ingen Leiphone enkät om självförbättrande AI: den relevanta Leiphone publiceringen är en teknisk rapport om Kimi K3.
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
