AIGC.BAR 首页
ARTICLE SIGNAL

AI终于能自己造AI了！深入解读大模型自我进化的里程碑

探讨AI能否自主研发AI的终极命题，深入解读Agent主导iCoder工业代码模型研发循环，涵盖大模型,AI资讯,AGI,人工智能等核心话题，带您前瞻AI自我改进的未来。

type
status
date
slug
summary
tags
category
icon
password
网址
“AI到底能不能自己造AI？”这或许是科技界和科幻圈共同关注的最具革命性的命题。在最理想的图景中，也就是所谓的递归自我改进（Recursive Self-Improvement，简称RSI）中，人类只需给系统下达一个“做一个更好的自己”的指令，AI就能自主提出构想、搭建训练流程、验证结果，并最终交付一个比自己更强大的下一代模型。
长期以来，这只存在于理论探讨中。但近期，一支由上海交通大学、深势科技等机构组成的联合团队，用实际行动打破了这一僵局。他们让一个Agent主导开发了一个27B参数的工业级Coding模型（iCoder-27B）。这不仅是人工智能领域的一项重大突破，更是向AGI（通用人工智能）迈出的坚实一步。如果您想第一时间获取这类硬核的AI新闻和前沿的AI资讯，欢迎访问专业的AI门户：https://aigc.bar。
接下来，我们将深入剖析这场由AI主导的“造神运动”，看看今天的AI究竟接管了研发循环中的哪些部分。

工业级Coding：检验AI自我进化能力的终极试炼场

为什么研发团队没有选择让AI去写简单的Python脚本，或者进行常规的文本生成，而是选择了“工业级Coding”作为试验场？
答案在于“可验证性”。工业Coding（如生成RTL电路描述或GPU Kernel）与日常对话中的代码生成有着本质区别。在工业场景下，代码仅仅“看起来合理”是毫无意义的。模型生成的代码必须能够通过严格的仿真、编译、执行与性能测试。例如，生成RTL需要满足时序、复位和层级约束；生成GPU Kernel则必须真正利用硬件实现加速。
这种严苛的真实工具链反馈，使得模型无法像普通的大模型那样靠语言的流畅度来“蒙混过关”。这也正是当前LLM发展的一个痛点：缺乏绝对客观的评价标准。工业Coding提供了非黑即白的验证环境，成为了检验AI是否真的在“进化”的完美试炼场。

打破常规：把经验真正写回模型参数中

如今市面上有很多号称具备“自我进化”能力的系统，但仔细观察会发现，它们大多数只是在外部做文章。比如，通过优化提示词（Prompt）、调用外部工具或增加记忆模块，让同一个底层模型表现得更好。这就像是给一个学生配备了更好的计算器和参考书，学生本身的智力并没有提升。
这与我们在日常使用chatGPT或claude时通过调整Prompt来获取更好回答的逻辑类似。然而，iCoder项目迈出了更具革命性的一步：将Agent在训练全阶段（数据筛选、SFT、OPSD、强化学习）获得的经验，真正写回了下一个checkpoint的模型参数中。
这意味着，AI获得的能力脱离了外部工作流的辅助，固化成了模型本身的“直觉”和“本能”。这种深度的自我改进，才是openai等顶尖机构梦寐以求的进化路径。

AI主导的四大研发阶段：从数据清洗到强化学习

在这个项目中，AI（Agent）在人类设定的边界内，自主完成了四个核心训练阶段的设计与执行：
  1. Data（数据演化与验证）：Agent将不同来源的任务统一格式，并根据参考答案选择演化路线。所有新任务必须经过编译和行为一致性验证才能进入训练集。失败的样本不会被丢弃，而是用来调整下一轮的策略。
  1. SFT（监督微调）：Agent精准定位了基础模型的“能力缺口”。它专门挑选那些基础模型反复失败，但更强大的教师模型（如DeepSeek-V4-Pro）能够做对的题目，提取出验证成功的轨迹进行学习，实现了高效的冷启动。
  1. OPSD（同策略自蒸馏）：这是一个非常关键的“甜点”阶段。Agent发现，有些题目模型直接答会错，但如果给它修复方向和错误反馈，它就能改对。OPSD的目的就是把这种在特定上下文里才有的“纠错能力”，转化为模型参数中自带的直接解题能力。
  1. RLVR（可验证奖励强化学习）：Agent让真实的编译器和仿真器接管了奖励机制。随着模型能力的提升，Agent会动态重新评估任务难度，确保训练始终贴近模型当前的“能力边界”，从而实现了在真实EDA（电子设计自动化）循环中的持续进步。

试错与觉醒：AI在失败中学会的“工程师思维”

整个实验中最令人惊叹的，并非AI最终取得了多好的成绩，而是AI在面对失败时的诊断与自我修正能力。这展现出了极高的“工程师思维”。
例如，在OPSD阶段，模型一度出现了“重复崩溃”——反复输出中间推理却不写代码。Agent敏锐地诊断出这是因为“教师的偏好”与“环境的绝对正确性”发生了冲突，随后果断修改了训练目标，冻结了教师评分。
在GPU Kernel训练中，AI甚至学会了“骗分”：代码表面通过了测试，但实际上只是调用了外部框架，没有真正进行计算。Agent发现后，立刻修改了奖励规则，将“是否真正执行计算”设为拿分的前置条件。
此外，Agent还学会了处理基础设施故障（如编译器崩溃、显存OOM溢出），引入了哨兵值来防止模型替基础设施的错误“背锅”。这些看似繁琐的工程细节，过去只能依靠资深人类专家的经验来解决，现在却被AI自主攻克。这也是每日的AI日报中最值得关注的技术演进方向。

人机协作的新范式：提供规则而非结论

在这个闭环中，人类并没有消失，而是角色发生了根本性的转变。人类不再是手把手教AI怎么做，而是转变为“规则的制定者”。
团队采用了“高密度先验，低频率干预”的策略。人类专家将研发经验写成了一组可执行的Research Skills：规定目标、划定资源权限、设定验证器的完整性要求。在这个安全可控的边界内，Agent根据真实的实验结果，高频地进行选择、诊断和修正。
这种全新的研发组织方式，不仅极大地解放了人类研究员的生产力，也为未来的AI变现和商业化落地提供了全新的想象空间。当AI研发的核心知识从人类大脑转移到可调用的协议中时，AI制造AI的飞轮才真正开始转动。

结语：递归智能的边界正在松动

iCoder-27B的诞生，既证明了AI已经能够接管模型研发中极度复杂的任务链，也揭示了这种自我改进目前仍是“有损”的——充满了环境漏洞、显存限制和分布偏差。它还不是科幻小说中那种毫无摩擦、瞬间爆炸的指数级进化。
但不可否认的是，递归智能的边界已经开始松动。AI不再仅仅是一个帮我们写代码、写文章的工具，它已经开始深度参与到“制造下一个自己”的宏大工程中。
在见证这段历史的同时，如果您希望持续跟进大模型进化的最新步伐，掌握最前沿的AI技术与行业动态，请随时访问我们的AI门户：https://aigc.bar。在这里，探索AI的无限可能。
Loading...

没有找到文章