Новый ИИ-трюк Tencent позволяет моделям самообучаться в цикле
Tencent представила метод обучения под названием Terminal-RSI, который позволяет большой языковой модели улучшать себя, генерируя собственные тренировочные задачи и затем решая их. Компания описала метод как способ дать моделям своего рода цикл самоуправляемого обучения, снижая зависимость от написанных людьми тренировочных данных. Объявление, о котором сообщил технологический портал TMTPost, указывает на растущее внимание китайских разработчиков ИИ к повышению возможностей моделей без простой подачи им большего объема текста.
Основная идея заключается в том, что модель может выступать одновременно учеником и учителем. Она предлагает задачи, пытается их решить, проверяет результаты на соответствие проверяемым исходам и учится на своих ошибках. В ходе повторяющихся циклов производительность модели на придуманных ею задачах улучшается. Tencent называет это мелкомасштабной версией рекурсивного самоулучшения — концепции, которая давно привлекает исследователей ИИ, но остается сложной для надежной реализации. Формулировка компании предполагает, что она видит в этом подходе практический путь к более сильным навыкам рассуждения.
Шаг Tencent совпадает с разделением китайской ИИ-индустрии на отдельные лагеря. DeepSeek, лаборатория из Ханчжоу, поразившая мир своими недорогими моделями, сосредоточилась на эффективности и открытых релизах. Kimi, разработанная Moonshot AI, заняла нишу обработки документов с длинным контекстом. Tencent, интернет-гигант из Шэньчжэня, известный благодаря WeChat, развивает семейство моделей Hunyuan и интегрирует ИИ в свои потребительские и корпоративные продукты. Работа над Terminal-RSI, по-видимому, направлена на сокращение разрыва в области рассуждений, где американские модели часто лидировали.
Время выбрано примечательно. DeepSeek недавно начала взимать плату за веб-поиск в своем API — признак того, что китайские ИИ-компании переходят к устойчивым бизнес-моделям после периода агрессивной ценовой конкуренции. Исследование Tencent, напротив, касается возможностей, а не стоимости. Если модели смогут совершенствоваться при меньшем участии человека, экономика разработки ИИ может измениться, сделав достижение более высокой производительности дешевле и потенциально ускорив темпы выпуска.
Тем не менее самоулучшающиеся модели вызывают вопросы. Модель, генерирующая собственные тренировочные данные, может закреплять свои недостатки — проблема, известная как коллапс модели. Метод Tencent опирается на задачи с проверяемыми ответами, что ограничивает области его применения. Творческое письмо, открытые рассуждения и планирование в реальном мире сложнее проверять автоматически. Компания не сообщила, какие продукты или будущие модели Hunyuan будут использовать эту технику.
Более широкий контекст — китайский рынок ИИ, который стал одновременно переполненным и креативным. Стартапы и гиганты alike экспериментируют с агентными системами, поисковыми инструментами и персональными ассистентами. Terminal-RSI от Tencent вписывается в эту картину: исследовательский прорыв, который может найти применение в продуктах — от облачных сервисов до потребительских приложений. Для глобальных наблюдателей это напоминание о том, что прогресс Китая в ИИ связан не только с догоняющим масштабом, но и с поиском новых способов обучения и развертывания моделей.
Что произойдет дальше, зависит от результатов. Tencent опубликовала мало деталей о бенчмарках, и независимая проверка будет иметь значение. Но направление ясно. Китайские лаборатории больше не просто следуют за другими; они предлагают собственные ответы на самую сложную проблему ИИ — как сделать модели умнее, не исчерпав данные или деньги.