عندما تعجز بنوك الأسئلة عن مواكبة التطور، يبدأ الذكاء الاصطناعي في وضع مسائله بنفسه: فريق الحدود اللامتناهية يجرب التحسين الذاتي على مستوى البيانات

فرقة Endless Frontier، المكونة من باحثين من معهد الذكاء الاصطناعي بجامعة شنغهاي جياو تونغ، وتقنية DP، ومعهد شنغهاي لابتكار الخوارزميات، أطلقت BigBang-V1، أول نموذج أساسي يُدرَّب أصليًا باستخدام التحسين الذاتي التكراري (RSI). في هذا النهج، يتولى الذكاء الاصطناعي توليد المشكلات وحلها والتحقق منها، مما ينتج بيانات اصطناعية عالية الجودة ذاتية التطور دون تدخل بشري في كل مهمة. يدعم النموذج، الذي يضم 35 مليار معلمة وحوالي 3 مليارات نشطة أثناء الاستدلال، سياقًا طويلًا يصل إلى 262 ألف رمز، وهو مُدرَّب بالكامل على بيانات اصطناعية أنتجها الذكاء الاصطناعي وتركز على مهام العلوم الحدودية. حقق النموذج 10 مراكز أولى بين نماذج 35 مليار معلمة في معايير تشمل البحث طويل المدى، والبرمجة، والبحث العلمي، والبحث في الذكاء الاصطناعي، بل وتفوق على نموذج DeepSeek V4 Pro Preview ذي تريليون معلمة في المهام العلمية الصعبة مثل بحث FrontierScience Research وPaperBench. ومن أمثلة قدراته: تحديد موقع إدخال عنصر قابل للنقل بدقة باستخدام أدلة الوصلات، وإعادة إنتاج ورقة بحثية في كود قابل للتشغيل عبر التصحيح الذاتي أثناء اختبارات الدخان. ويؤكد الفريق أن نظام إنتاج البيانات نفسه يمكن تحسينه، مما يتطلب مهامًا تكون حدّية وقابلة للتحقق في آنٍ واحد، وينفذون خط أنابيب مزدوج الحلقة: حلقة داخلية تحتوي على وكلاء المولد والناقد الذين ينتجون البيانات ويدققونها، وحلقة خارجية مدفوعة بنتائج التدريب الفعلية لمعايرة النظام. تمنع حلقة التحسين الذاتي التكراري هذه على مستوى البيانات انهيار البيانات الاصطناعية، بينما يظل البشر يحددون الأهداف والميزانيات والمخاطر ومعايير القبول. النموذج والكود متاحان كمصدر مفتوح على Hugging Face وGitHub.