AI 领域迎来重大变革。谷歌传奇人物 Jeff Dean 宣布离职，结束其 27 年的谷歌生涯。与此同时，他与三位顶尖专家联合创立的新公司 Discovery Loop 正式亮相，专注于递归自我改进（RSI）技术，旨在让 AI 实现持续自我迭代与进化，自动攻克机器学习、科学研究及工程技术领域的难题。
Discovery Loop 代表了"AI 加速 AI"的清晰路线：未来 AI 将超越单纯的问答模式，全面接管“提出假设 - 执行实验 - 验证结论”的完整科研闭环。在此背景下，中国团队也取得了突破性进展。
BigBang-V1 首秀：35B 参数击败 DeepSeek V4
由上海交通大学人工智能学院、深势科技及上海算法创新研究院组成的“无尽前沿团队”，成功构建了首个基于“原生 RSI"方式训练的全新基座大模型——BigBang-V1（总参数 35B）。
该模型完全采用 AI 合成的可验证前沿任务数据进行训练，在 35B 级别测评中斩获十项第一。在 OpenAI 提出的高难度科学基准 FrontierScience Research 上，BigBang-V1 得分 46.2，超越了参数量达 1.6T 的 DeepSeek V4 Pro，完美诠释了“以小博大”的技术实力。
在多项高难度基准测试中，BigBang-V1 表现卓越：
- Humanity's Last Exam（人类最后考试）：得分 50.3，击败 V4 Pro，性能媲美 Gemini 3.1 Pro。该基准由 Scale AI 在《Nature》正刊提出，主要测试大模型的综合推理能力。
- PaperBench (Code-Dev)：得分 53.6（V4 Pro 为 50.4），重点考察大模型复现 AI 学术论文的能力。
- MLE-Bench (Lite)：得分 59.1，考察模型自主完成 AI 工程任务的能力。
- BioMysteryBench Human-Difficult：得分 15.7（V4 Pro 为 13.7）。这是 Anthropic 推出的生物信息学研究能力基准，要求模型从带噪声的测序数据中分析出精确的生物学结论。
实战案例解析
案例一：精准识别病毒
在 BioMysteryBench 评测中，面对三份人体肠道类器官的测序原始数据，BigBang-V1 连续三次准确判断感染源为诺如病毒 GII.4。相比之下，DeepSeek V4 Flash 三次给出了三个完全不同且错误的答案。
案例二：复现论文并纠错
在复现一篇学术论文时，BigBang-V1 发现论文核心设定存在矛盾（关键量被固定导致子集无法缩小），随即修正了设计并解决了梯度中断问题，最终复现得分为 0.7657。而 DeepSeek V4 Flash 仅做了语法检查，未实际运行代码，得分仅为 0.3053。
构建抗体设计流水线
在更复杂的真实任务中，BigBang-V1 展示了强大的工程编排能力。它将抗体设计拆解为流水线，串联多个开源模型协同工作：
- 利用蛋白质设计模型生成候选抗体并进行初筛；
- 调用 AlphaFold 预测复合物结构，评估稳定性与结合合理性；
- 通过独立的物理打分器评估界面能量与原子冲突。
只有当两套独立计算方法的结论一致时，候选分子才会被保留。这种严谨的多重验证机制确保了输出结果的高质量。
BigBang-V1 之所以能以 35B 的参数实现如此强悍的性能，核心在于其背后的“原生 RSI"训练方式。其使用的各学科前沿科研数据 100% 由 AI 合成：题目由 AI 生成，解法由 AI 运行，答案由 AI 验证，甚至连数据生成策略的优化也由 AI 自主完成。
打通 RSI 闭环：数据层的递归自我改进
BigBang 构建了一条能持续自我修正的合成数据流水线。与 AlphaGo 自我对弈类似，BigBang 的自我博弈内容是“出题”与“判卷”。该系统主要由两类 Agent 组成，并辅以真实考试作为外层校验：
1. Generator Agent（出题者）：
负责生成题目并动态调整出题策略。它会根据模型当前的能力缺口，修改数据合成程序，决定题目的科学领域、推理链长度、所需工具（搜索、计算、代码等）以及验证规则。每轮迭代后，它会记录经验教训，确保下一轮探索建立在已有成果之上。
2. Critic Agent（判卷者）：
负责审查题目质量。第一层检查格式、工具执行等硬伤；第二层评估题目的正确性、可验证性、难度及独特性。不合格的题目将被退回重做。
为防止“出题者讨好判卷者”导致的内循环失效，BigBang 引入了真实训练结果作为外部校准：若 Critic 给出高分但模型训练后能力提升不明显，系统将反向校准 Critic 的评分标准，并指导 Generator 调整下一轮的选题方向。由此形成“真实任务暴露缺口→造题筛题→合成数据训练→真实任务检验→结果校准”的完整飞轮。
为何选择科学作为训练场？
科学是人类认知世界的基本方式，具备“前沿性”与“可验证性”两大关键特征，是训练通用智能的最佳场景：
- 前沿性：科学问题位于知识与能力的边界，且随着新理论和新工具的出现源源不断，避免了静态题库的枯竭。
- 可验证性：科学答案可通过形式化方法、代码执行、数值计算或实验反馈进行客观检验。
此外，科学问题天然融合了搜索、阅读、假设提出、数学推导、代码编写及工具调用等多种能力。因此，科学不仅是知识领域，更是通往通用智能（AGI）的综合课程。
AI 迭代 AI：奇点已现
BigBang-V1 的成功证明，Scaling 的破局点不仅在于参数与算力的堆叠，更在于训练任务生成范式的革新。通过"AI 生成并求解科学任务，科学任务反过来训练更强的 AI"这一正向循环，模型在科学研究、长程探索、代码生成及工具调用等方面获得了全面增益。
“无尽前沿”团队由鄂维南院士、陈思衡副教授、张林峰助理教授等领衔，其愿景是打造在智能与理性判断上逼近“造物主”的终极模型——能够冷静、客观地洞察万物规律，并严格按规律执行判断与预测。
正如范内瓦·布什在《科学：无尽的前沿》中所言，基础科学的持续投入能换来长期的增长。如今，当科学前沿本身化作模型可无尽开采的训练富矿，人类手动生产训练数据的时代或许正在终结。BigBang-V1 仅是这条新曲线的起点，但上升的趋势已然确立。
