当题库追不上模型，AI开始给自己出题：中国这支团队跑通了数据层RSI

硅谷今年最贵的词，叫 Recursive Self-Improving 。

它就是指让AI参与迭代自身的模型、算法、数据和研发流程。

Jeff Dean 离职创办的Discovery Loop，方向就是探索AI自动化科学研究。

不只姐夫，AlphaGo缔造者 David Silver 等一众大牛也在同一条赛道上。

看得出来，这些顶级AI研究者正在形成一个共识：

让AI参与创造下一代AI，让AI持续自我改进并构建更强的AI 。

模型越强，能给AI出题、解题、验证的人越少，高质量训练数据该从哪来？

由 上海交大人工智能学院、深势科技、上海算法创新研究院 组成的 无尽前沿团队 发布 BigBang-V1 ——

这是首个基于recursive self-improving原生方式训练出的基座模型。

在训练过程中，出题、解题、验证都交给AI把控，通过可验证前沿任务持续生成高质量自演进合成数据，全程无需人类逐题参与。

BigBang-V1参数规模35B，推理时激活约3B参数，支持262K长上下文。

它的 后训练数据100%由AI自主合成，以科学前沿任务为核心 。

在这样的条件下，模型在长程搜索、代码、科学研究、AI研究等评测中， 拿下全部35B模型里的10项第一 。

不仅如此，在FrontierScience Research、PaperBench等多项高难度科研任务上，成绩甚至超过了1T级的DeepSeek V4 Pro Preview。

基准分数之外，具体任务里的表现更能说明BigBang-V1解决复杂问题的水平。

转座子定位 要求在全基因组测序数据里定位一个47bp的转座子插入位点，模型不仅要识别相关序列，还得遵守RefSeq染色体命名和1-based坐标约定。

BigBang没有去猜坐标，而是利用转座子与染色体之间的连接证据做约束映射：

一个junction对应一个坐标，最终把断点锁定在4144431，每一步证据都可追溯。

在论文复现任务里，BigBang的表现又像一个会自我纠错的工程师。

任务要求 把LBCS论文复现为可运行的代码仓库 ，它在通读完论文之后没有急着交卷，而是在冒烟测试里发现自己写出的实现违反了论文的核心主张：

它推算了扰动规模，发现无法越过触发阈值，于是连续否决了三个候选修复方案，最终把连续扰动改成二进制掩码翻转，问题才真正解决。

第二轮它又发现一个梯度项从计算图中脱离，主动恢复了梯度流，最终复现评分0.7657，全部485个评分点通过331个。

BigBang真正展现出的是 把多步证据组织成可验证结论 的能力，以及 在失败中发现问题、修正方案 的本事。

毕竟，科研不是背答案，而是从噪声里找证据，在出错时改方案。

不过，以科研任务为核心构建的数据，并没有把BigBang-V1训练成只会答科学题的垂直模型。

BrowseComp基准达到76.5，SWE-Bench Pro拿到54.2，能力增益同时迁移到了长程搜索、软件工程、代码等场景。

让它盘点8月第一周AI圈的大事。它一天一天连着检索了二十多轮、翻了十几个来源。

先用定位候选事件，再逐条打开信源交叉验证，最后还专门找到一手页面核对细节，连发布日期都逐个确认才给出结论。

代码写得非常丝滑，打中后爆炸产生粒子特效，左上角还展示了分数、生命、等级游戏UI。

100%纯AI合成的训练数据，为什么能有这样的表现？

Recursive Self-Improving火热，业界也都在谈论，但大多数探索还仅仅徘徊在概念层，真正跑通完整闭环的落地案例并不多。

一部分方案只是给模型套上一层工具外壳，比如harness，让模型自己调调工具、改改提示词。

但这样相当于只是把模型的调用方式做了增强，底层的训练管线几乎原封不动，并没有触动模型自我迭代的根源。

还有一类做法则是用大模型对生成的数据做打分筛选。

但这套评判标准是人类预先写死的规则，筛选逻辑本身不会跟着模型能力成长而自我演化。

模型变强之后，旧的评判标尺很快就会失效，依然源源不断产出低价值样本。

单纯靠扩大数据集规模、对已有数据反复清洗过滤，已经很难再撬动能力的进一步跃升。

训练数据仍由人类逐题生产， 模型的进化速度被人类出题的速度卡住 ，这是Recursive Self-Improving落地的核心问题之一。

BigBang团队换了一个角度思考这个问题。

如果模型可以自我改进，那么能不能让训练数据的生产系统本身，也成为被优化的对象？