兩初創同發布遞歸自我改進成果

兩項發布

兩家初創公司幾乎同時公布遞歸自我改進方向的最新成果，當中包括以極少人力訓練出千億參數級基座模型的案例，消息在業界引發廣泛討論。

消息傳出後，人工智能業界反應熱烈，不少人認為相關進展把遞歸自我改進由概念推近現實，亦令外界重新評估小型團隊在大模型研發上的潛力上限。

十年高門檻

過去十年，預訓練一個基座大模型被視為科技巨頭之間的競賽，開源社區需要數十名頂尖專家協作，硅谷大型實驗室則往往動員數百人投入其中。

相關工作涵蓋架構與擴展定律研究、數以萬億計Token的數據清洗，以及成千上萬張GPU集群的日常運維，任何一環出錯都可能令整個訓練任務前功盡棄。

安全討論

有出身英偉達的業界人士在討論中提出「保命」法則，提醒研究者在追求自我改進能力的同時，必須為系統設置清晰的邊界與監察機制，避免失控風險。

遞歸自我改進意味着模型可在少數人監督下持續自我提升，能力增長速度可能超出預期，安全與治理議題因此與技術進展同步受到關注。

產業影響

若小型團隊亦能完成基座模型訓練，大模型研發的資本與人才門檻將顯著降低，更多初創企業有機會參與競爭，行業生態或將更趨多元。

業界同時提醒，訓練門檻下降不等於競爭優勢自動形成，數據質量、評測體系與安全能力仍是長期比拼的重點，巨頭在算力資源上的積累短期內難以取代。