คำตอบเผยแพร่แล้ว19 แหล่งที่มา
เมื่อ AI ช่วยพัฒนา AI: เป้าหมายอยู่ที่เครื่องมือและระบบเบื้องหลัง
หลักฐานที่มีชี้ไปที่การปรับปรุงระบบรอบโมเดล เช่น โครงสร้างพื้นฐานสำหรับประมวลผลและชุดเครื่องมือของเอเจนต์ แต่ยังไม่ยืนยันว่า AI สร้างผู้สืบทอดของตัวเองได้โดยอัตโนมัติ กรอบ 5 ระดับช่วยแยกการทำตามแผนที่มนุษย์กำหนด ออกจากการเลือกสิ่งที่จะปรับปรุงและการพัฒนากระบวนการปรับปรุงเอง รายงาน Leiphone ที่พบในชุดข้อมูลเป็นรายงาน...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- หลักฐานที่มีชี้ไปที่การปรับปรุงระบบรอบโมเดล เช่น โครงสร้างพื้นฐานสำหรับประมวลผลและชุดเครื่องมือของเอเจนต์ แต่ยังไม่ยืนยันว่า AI สร้างผู้สืบทอดของตัวเองได้โดยอัตโนมัติ
- กรอบ 5 ระดับช่วยแยกการทำตามแผนที่มนุษย์กำหนด ออกจากการเลือกสิ่งที่จะปรับปรุงและการพัฒนากระบวนการปรับปรุงเอง
- รายงาน Leiphone ที่พบในชุดข้อมูลเป็นรายงานเทคนิคของ Kimi K3 ไม่ใช่ผลสำรวจเรื่องการพัฒนาตัวเองแบบวนซ้ำ
AI พรอมต์
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
คำว่า “AI พัฒนาตัวเอง” ไม่ได้หมายถึงการที่โมเดลเขียนทับน้ำหนักของตัวเองเสมอไป เอเจนต์อาจเข้าไปปรับซอฟต์แวร์ เครื่องมือ สภาพแวดล้อม หรือขั้นตอนการทำงานที่ใช้พัฒนาและใช้งาน AI ได้เช่นกัน แนวทางที่เน้นปรับปรุงระบบรอบโมเดลนี้ปรากฏในรายงานเกี่ยวกับโครงการบางส่วนในจีน แต่หลักฐานที่มีรองรับข้อสรุปได้จำกัดกว่าคำกล่าวอ้างว่า AI สร้างรุ่นถัดไปของตัวเองได้อย่างอิสระ
อะไรจึงจะเรียกว่า “พัฒนาตัวเองแบบวนซ้ำ”
การแก้พรอมป์ต์หรือเขียนโค้ดได้ ไม่ได้แปลว่าเกิดการพัฒนาตัวเองแบบวนซ้ำโดยอัตโนมัติ จุดสำคัญคือระบบต้องทำให้เกิดการเปลี่ยนแปลงที่ได้รับการยอมรับและคงอยู่ในกระบวนการสร้างการปรับปรุงครั้งต่อไป เพื่อให้รอบถัดไปทำงานด้วยกระบวนการที่ดีขึ้น
งานวิจัยเรื่องชุดเครื่องมือเอเจนต์ที่พัฒนาตัวเองอธิบายวงจรซึ่งเอเจนต์วิเคราะห์บันทึกการทำงานเพื่อหาจุดอ่อน เสนอการเปลี่ยนแปลงชุดเครื่องมือ แล้วตรวจสอบด้วยการทดสอบถดถอยก่อนยอมรับการแก้ไข 52 อีกงานหนึ่งนิยามการวนซ้ำไว้อย่างเข้มงวดกว่า คือเมื่อโค้ดของเอเจนต์วิจัย AI ได้รับการแก้ไขและยอมรับแล้ว โค้ดฉบับใหม่นั้นต้องกลายเป็นตัวที่ทำหน้าที่แก้ไขรอบถัดไป งานวิจัยรายงานการปรับปรุงต่อเนื่อง 7 ครั้งในการทำงาน 8 วัน ซึ่งเป็นผลในสภาพแวดล้อมการทดลองเฉพาะ ไม่ใช่หลักฐานว่า AI ทั่วไปพัฒนาตัวเองได้อย่างเปิด-ended
56
หลักฐานที่มีเกี่ยวกับโครงการในจีน
รายงานของ 36Kr เมื่อเดือนกันยายนระบุว่า Infra Agent ที่ขับเคลื่อนด้วย GLM-5.3 ช่วยปรับเอนจินประมวลผลคำตอบของโมเดลบนคลัสเตอร์ที่มีชิปผลิตในประเทศจีนมากกว่า 100,000 ตัว ใช้เวลาน้อยกว่า 2 สัปดาห์ และมีรายงานว่าเพิ่มปริมาณงานแบบต้นทางถึงปลายทางเป็น 3 เท่าจากค่าตั้งต้น 21 นี่เป็นหลักฐานของการปรับโครงสร้างพื้นฐานโดยมี AI ช่วยตามที่รายงาน แต่เพียงเท่านี้ยังไม่ยืนยันว่าเอเจนต์เลือกเป้าหมายเอง ตรวจสอบผลลัพธ์ด้วยตัวเอง หรือปรับปรุงกระบวนการที่จะใช้ทำการปรับครั้งต่อไป
เอกสารเกี่ยวกับ Kimi K3 ของ Moonshot AI แสดงให้เห็นโครงสร้างอีกชั้นหนึ่ง บริษัทเปิดตัว AgentEnv ซึ่งอธิบายว่าเป็นโครงสร้างพื้นฐานสำหรับสภาพแวดล้อม reinforcement learning แบบกระจาย พร้อมเทคโนโลยีระบบฝึกอื่น ๆ เช่น ไลบรารีสื่อสารและเคอร์เนล attention ประสิทธิภาพสูง 25 เครื่องมือเหล่านี้ช่วยรองรับการฝึกโมเดลและการทำงานของเอเจนต์ แต่การมีเครื่องมือดังกล่าวไม่ได้พิสูจน์ว่าเอเจนต์ออกแบบสภาพแวดล้อมฝึกที่ดีขึ้นหรือสร้างโมเดลรุ่นถัดไปได้เอง
อีกประเด็นที่ควรแยกให้ออกคือการปรับปรุงโครงสร้างพื้นฐานกับการฝึกโมเดล เอกสารของ Z.ai ระบุว่า GLM-5.3 ใช้โมเดลฐานเดียวกับ GLM-5.2 และการปรับปรุงมาจากการฝึกหลังการฝึกหลัก (post-training) 2 นี่เป็นข้อมูลเกี่ยวกับแนวทางพัฒนาโมเดล ไม่ใช่หลักฐานว่าความสามารถที่เพิ่มขึ้นมาจากการปรับระบบรอบโมเดลเพียงอย่างเดียว
กรอบ 5 ระดับช่วยวัดความเป็นอิสระอย่างไร
งานวิจัยเดือนกันยายนเรื่อง The Last AI Built by Humans แบ่งความเป็นอิสระของระบบออกเป็น 5 ระดับ ตั้งแต่การทำตามขั้นตอนปรับปรุงที่กำหนดไว้ การเลือกกลยุทธ์ปรับปรุง การจัดหาประสบการณ์เพื่อการเรียนรู้ในอนาคต การปรับตัวจากการใช้งานและข้อมูลย้อนกลับจากสภาพแวดล้อม ไปจนถึงการพัฒนากระบวนการปรับปรุงตัวเอง 33 รายงานข่าวร่วมสมัยยังอธิบายกรอบนี้ว่าเป็นลำดับขั้นที่มุ่งไปสู่ระบบ AI ซึ่งสร้างผู้สืบทอดของตัวเองได้
35
กรอบนี้ช่วยให้เห็นว่าระบบอัตโนมัติแต่ละแบบไม่เหมือนกัน เอเจนต์ที่ทดลองตามแผนของมนุษย์ ไม่เท่ากับเอเจนต์ที่เลือกเองว่าจะปรับอะไร และทั้งสองกรณีก็ยังต่างจากระบบที่ออกแบบและตรวจสอบวงจรการพัฒนาของตัวเองได้อย่างน่าเชื่อถือ งานวิจัยเสนอกรอบสำหรับแยกความแตกต่างเหล่านี้ แต่แหล่งข้อมูลที่มีในที่นี้ยังไม่ยืนยันว่าระบบ AI แนวหน้าส่วนใหญ่อยู่ในระดับ 1 หรือ 2
สิ่งที่ยังยืนยันไม่ได้—and เหตุใดจึงสำคัญ
แหล่งข้อมูลที่ให้มายังไม่รองรับรายละเอียดหลายข้อที่ถูกกล่าวถึงเกี่ยวกับจำนวนแซนด์บ็อกซ์ต่อวันของ DSec ตัวเลขเปรียบเทียบของเฟรมเวิร์กฝึกและเคอร์เนลของ ModelBest จำนวนแซนด์บ็อกซ์และคู่มือกู้คืนระบบของ Moonshot หรือการฝึกโมเดลที่อ้างว่าเป็นของ Alibaba นอกจากนี้ยังไม่พบผลสำรวจที่อ้างว่าเป็นของ Leiphone รายการ Leiphone ที่อยู่ในชุดแหล่งข้อมูลเป็นรายงานเทคนิคของ Kimi K3 ไม่ใช่ผลสำรวจเรื่องการพัฒนาตัวเองแบบวนซ้ำ 24
งานวิจัยเกี่ยวกับชุดเครื่องมือเอเจนต์ยังชี้ถึงข้อจำกัดเชิงปฏิบัติว่า ประสิทธิภาพที่ดีขึ้นอาจแลกมาด้วยต้นทุนการทำงานที่สูงขึ้น จึงต้องประเมินทั้งความสำเร็จของงานและการใช้คอมพิวต์หรือเครื่องมือ 54 เมื่อมีการกล่าวอ้างว่าเกิดการพัฒนาตัวเองแบบวนซ้ำ จึงควรระบุให้ชัดว่าใครเป็นผู้กำหนดเป้าหมาย ใครตัดสินว่าการเปลี่ยนแปลงได้ผล และการเปลี่ยนแปลงที่ยอมรับนั้นช่วยให้รอบต่อไปดีขึ้นจริงหรือไม่
ข้อสรุปที่รอบคอบที่สุดคือ มีแนวโน้มที่น่าสนใจในการทำให้เครื่องมือและระบบพัฒนา AI เป็นอัตโนมัติมากขึ้น แต่ยังไม่มีหลักฐานยืนยันการพัฒนาตัวเองแบบวนซ้ำอย่างเปิด-ended เอเจนต์ด้านโครงสร้างพื้นฐานและชุดเครื่องมือที่ปรับปรุงตัวเองมีความหมายเมื่อการปรับปรุงคงอยู่และช่วยให้งานรอบถัดไปดีขึ้น แต่ตัวเลขปริมาณงานที่เพิ่มขึ้น เครื่องมือที่นำกลับมาใช้ได้ หรือการฝึกหลายรอบเพียงอย่างเดียว ยังไม่พิสูจน์ว่า AI เลือกได้อย่างน่าเชื่อถือว่าควรปรับอะไร ประเมินผลตัวเองได้ และสร้างผู้สืบทอดที่ดีกว่าเดิม
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "เมื่อ AI ช่วยพัฒนา AI: เป้าหมายอยู่ที่เครื่องมือและระบบเบื้องหลัง" คืออะไร
หลักฐานที่มีชี้ไปที่การปรับปรุงระบบรอบโมเดล เช่น โครงสร้างพื้นฐานสำหรับประมวลผลและชุดเครื่องมือของเอเจนต์ แต่ยังไม่ยืนยันว่า AI สร้างผู้สืบทอดของตัวเองได้โดยอัตโนมัติ
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
หลักฐานที่มีชี้ไปที่การปรับปรุงระบบรอบโมเดล เช่น โครงสร้างพื้นฐานสำหรับประมวลผลและชุดเครื่องมือของเอเจนต์ แต่ยังไม่ยืนยันว่า AI สร้างผู้สืบทอดของตัวเองได้โดยอัตโนมัติ กรอบ 5 ระดับช่วยแยกการทำตามแผนที่มนุษย์กำหนด ออกจากการเลือกสิ่งที่จะปรับปรุงและการพัฒนากระบวนการปรับปรุงเอง
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
รายงาน Leiphone ที่พบในชุดข้อมูลเป็นรายงานเทคนิคของ Kimi K3 ไม่ใช่ผลสำรวจเรื่องการพัฒนาตัวเองแบบวนซ้ำ
แหล่งที่มา
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
