中国团队发布BigBang-V1：基于RSI的基座模型，数据层自进化
原标题：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
AI 摘要
由上海交大人工智能学院、深势科技和上海算法创新研究院组成的无尽前沿团队发布了首个基于递归自我改进（RSI）原生方式训练的基座模型BigBang-V1。该模型参数规模35B，后训练数据100%由AI自主合成，在长程搜索、代码、科学研究等评测中取得多项第一，甚至超过1T参数的DeepSeek V4 Pro Preview。团队通过自演化合成数据管线，让AI参与任务构造、求解、验证和筛选，实现了数据层的RSI闭环，旨在推动AI自我迭代和科学进步。
正文节选
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 AI参与创造下一代AI 闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 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。 这个概念有多火呢？ 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。 在这个共识之下，一个更棘手的问题出现了。 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？ 一支中国团队给出了他们的答案。 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