时间:2026 年 8 月 9 日
地点:中国上海
人物:上海交通大学人工智能学院、深势科技、上海算法创新研究院组成的"无尽前沿"团队
事件详情:
量子位报道显示,国内由上海交通大学人工智能学院、深势科技、上海算法创新研究院组成的"无尽前沿"团队发布了 BigBang-V1——首个基于 Recursive Self-Improving 原生方式训练出的基座模型。训练过程中出题、解题、验证全程交给 AI 把控,通过可验证的前沿任务持续生成高质量自演进合成数据,无需人类逐题参与。模型参数 35B,推理激活约 3B,支持 262K 长上下文,后训练数据 100% 由 AI 自主合成。模型与配套技术报告同步开源。
背景:
RSI(Recursive Self-Improving)今年成为硅谷最热的概念,Jeff Dean 离职创办的 Discovery Loop、AlphaGo 缔造者 David Silver 均在同方向探索。然而高质量训练数据枯竭是 RSI 路上最棘手的问题。BigBang-V1 用 AI 自出题、自解题、自验证,给出了一条无需人类逐题参与的合成数据路线,把 RSI 从概念落到产业可用。
影响:
BigBang-V1 在长程搜索、代码、科学研究、AI 研究评测中拿下全部 35B 模型中的 10 项第一,在 FrontierScience Research、PaperBench 等高难度科研任务上的成绩超过 1T 级的 DeepSeek V4 Pro Preview。该结果意味着小参数、强合成数据的组合能压过大参数模型,扩大了开源基座的选择空间,也为 AI for Science 落地提供新底座。
总结:
上海交大等机构组成的"无尽前沿"团队开源了 BigBang-V1,35B 参数规模跑赢 1T 级 DeepSeek V4 Pro Preview,让中国在 RSI 路线上有了代表性开源基座。
参考来源:
1. https://www.qbitai.com/2026/08/468782.html
2. https://i.ifeng.com/c/8vOzqlUQWVr
3. https://c.m.163.com/news/a/L3ST67TI0511DSSR.html
4. https://m.163.com/dy/article/L3ST67TI0511DSSR.html
5. https://news.qq.com/rain/a/20260809A04LH100









