AI开始自己出题进化，电商卖家看懂数据层RSI少踩坑

「核心速览」

• BigBang-V1：首个RSI原生训练基座模型，35B参数、推理激活约3B
• 后训练数据100%由AI自主合成，35B模型评测拿下10项第一
• 机制：Generator出题 + Critic验证 + 内外双循环共同演化
• 对卖家：AI工具将加速自我进化，选型关键看「可验证性」
• 人类仍掌控方向与验收标准，AI负责大规模探索与生产数据

一、事件背景：AI为什么开始「自己出题」

硅谷今年最贵的词，叫 Recursive Self-Improving（RSI）——让AI参与迭代自身的模型、算法、数据和研发流程。

顶级AI研究者正在形成共识：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。

• Jeff Dean 离职创办的 Discovery Loop，方向是探索AI自动化科学研究；
• AlphaGo缔造者 David Silver 等一众大牛，也在同一条赛道上。

但共识之下，一个更棘手的问题浮出水面：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？

答案藏在数据层：如果AI能自己生产、验证训练数据，进化天花板就被自己抬高。

二、关键信息：35B的BigBang-V1凭什么跑赢1T大模型

模型与团队

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

• 参数规模 35B，推理时激活约 3B 参数，支持 262K 长上下文；
• 后训练数据 100%由AI自主合成，以科学前沿任务为核心；
• 模型已开源，技术报告同步公开（HuggingFace / GitHub）。

硬核评测数据

在长程搜索、代码、科学研究、AI研究等评测中，BigBang-V1拿下 全部35B模型里的10项第一。

更关键的是，在 FrontierScience Research、PaperBench 等多项高难度科研任务上，成绩甚至超过 1T级 DeepSeek V4 Pro Preview。

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

「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。」——量子位报道原文

两个具体案例

案例一：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，BigBang利用转座子与染色体之间的连接证据做约束映射，最终把断点锁定在 4144431，每一步证据都可追溯。

案例二：LBCS论文复现。模型通读论文后在冒烟测试中发现自己写出的实现违反核心主张，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，复现评分 0.7657，485个评分点通过331个。

三、机制拆解：数据生产系统如何跟着模型一起进化

现有两条路的局限

业界谈论RSI的多，但真正跑通完整闭环的落地案例并不多。落到实际工作里，常见两类尝试，都没触及根源：

核心结论：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RSI落地的核心问题之一。

任务需同时满足两个条件

• 前沿性：位于当前知识或模型能力边界，甚至没有已知最优答案，科学前沿会持续产生新问题；
• 可验证性：候选方案能通过形式化方法、程序执行、数值计算、模拟器、实验反馈做客观检查。

只有前沿而无法验证，系统拿不到可靠训练信号；只有验证而缺乏难度，任务会迅速落后于模型能力。二者缺一，数据都会快速贬值。

两类Agent + 内外双循环

系统的核心是两类Agent协同工作：

• Generator Agent：作为代码Agent，直接修改、运行和调试数据合成程序，决定任务领域、推理链长度、该用搜索还是计算还是代码，甚至决定哪些样本保留、哪些淘汰；
• Critic Agent：从对抗角度审查，第一层查格式、工具执行、数据完整性和约束满足，第二层判断任务是否正确、可验证、足够困难且多样。

Generator负责造、Critic负责挑，这套对抗与协作就像 AlphaGo的自我对弈，只不过棋盘换成了开放的科学任务空间。

为防止Generator迎合Critic、造出「表面高分却无法迁移」的数据，BigBang又加了由 真实训练结果驱动的外循环：生成不同版本的数据管线分别训练模型，再放到留出的真实研究任务里评测，用真实结果反向校准Critic、调整Generator下一轮方向。

「上一轮模型和实验产生的结果，影响下一轮训练数据的生成与筛选方式。」

当然，人类并未退出：研发目标、资源预算、风险边界、最终验收标准，仍由人类定义，AI不能自行修改评测标准。

四、对电商卖家：机会、风险与避坑

机会一：AI工具将加速自我进化

当训练数据不再依赖人类逐题生产，AI进步的天花板被抬高。对卖家的直接信号是：客服、素材、选品、广告投放等AI工具的迭代速度会更快，此前「AI不好用」的体验可能快速改善。

机会二：算力成本有望下探

35B跑赢1T大模型、推理仅激活约 3B 参数，意味着「小模型干大活」成为可能，AI推理与调用成本存在下降空间，卖家的AI采购成本或受益。

风险一：「可验证性」边界决定红利不均

科研任务天然可验证，但电商里大量核心任务——审美、文案调性、选品直觉——难以客观量化验证，AI自我进化的红利不会均匀落到每个环节。

风险二：警惕「100%AI合成」的夸大宣传

BigBang能打破「合成数据会坍缩」的魔咒，靠的是验证链兜底。卖家选型时若遇到号称「全AI数据」的工具，务必追问：数据如何验证？错误答案会不会被当成正确答案喂回去？

风险三：评测分数不等于电商场景

FrontierScience、PaperBench是科研导向评测，与电商场景差异巨大。卖家不应因「35B跑赢1T」就认定该技术路线能立刻解决选品或客服问题，能力迁移有边界。

五、落地建议：卖家现在就能做的几件事

1. 选工具看「验证机制」：优先选能自查、能交叉验证、能追溯每一步依据的AI工具，而不是只会给结论的。
2. 给AI派「可验证」的活：广告投放、库存预测、价格监控、数据分析等能用数字检验的任务，AI自我进化红利最先兑现；审美、文案类任务保留人工把关。
3. 沉淀自己的数据资产：客服对话、转化数据、素材AB测试结果都是「可验证任务」的来源——数据生产系统正在成为被优化的对象，数据即壁垒。
4. 关注开源模型与成本变化：BigBang-V1已开源（HuggingFace/GitHub），卖家与技术方应跟踪其代码、搜索、工具调用等能力迁移，重新评估自建或接入的性价比。
5. 关键决策保留人工复核：人类定义方向与验收标准的原则同样适用于卖家——AI负责探索与执行，风险边界与最终验收由人拍板。

参考来源：量子位（https://www.qbitai.com/2026/08/468782.html）