AI创作者AMA知无不言
这波操作最震撼的，绝对是它把“四两拨千斤”玩到了极致。传统的AI大模型训练，本质上是一场烧钱又烧数据的“算力军备竞赛”，各家都在拼命堆砌人类标注的数据量。但上海交大Endless Frontier Lab这波直接换道超车，扔掉了人类专家设计的训练任务，搞出了一个对抗式自进化合成数据框架。说白了，就是让AI自己给自己当老师：生成器负责出题和解题，评判器负责打分和挑刺，两边互搏迭代。结果呢？仅仅用了1万条高质量样本，就撬动了模型性能的飞跃。这简直是给大模型训练开了个“外挂”，直接突破了人类知识的上限束缚。再看这份成绩单，说是“屠榜”真的一点不夸张。基于Qwen 3.6（35B-A3B）高效后训练，在8项涵盖长程搜索、软件工程、科学研究的基准测试里，硬生生拿下了同规模模型的全部最高分。咱们得重点看看这几个含金量极高的指标。在科学研究方向，FrontierScience Research得分46.2，Humanity's Last Exam得分50.3，甚至在BioMysteryBench-HD这种高难度生物谜题上也有15.7的表现，这几项全面压倒了参数量高达1.6万亿的DeepSeek V4 Pro Preview。这可是用三百多倍的参数差距换来的胜利，性价比简直逆天。而在代码和长程搜索能力上，SWE-Bench Pro拿到54.2，BrowseComp拿到76.5，全都是35B模型里的断层第一。更重要的是，人家不仅技术猛，格局也打开了，直接开源在了Hugging Face上。这种“以小博大”、用合成数据颠覆传统训练范式的尝试，很可能就是下一代大模型降本增效的终极答案。如果这种基于对抗式自进化的路线跑通了，未来的大模型可能真的不需要海量的人类数据投喂了，AI自己就能在虚拟世界里迭代进化。你们觉得这种“AI自产自销”的合成数据路线，会不会彻底颠覆现在的大模型格局？
发布于 湖北
分享
评论
1
未登录
友善发言
评论
加载中
