Heim
Kimi Yang Zhilin: Das Training großer Modelle tritt in die dritte Phase der KI-gestützten Forschung ein
Yang Zhilin, Gründer von Moonshot , erklärte auf der Jahrestagung des Zhongguancun-Forums am 25. März 2026, dass das Training großer Modelle in eine dritte entscheidende Phase eintrete, die von der KI vorangetrieben werde. Dieser Paradigmenwechsel signalisiert einen Übergang von der Abhängigkeit von natürlichen Daten und manueller Annotation hin zu einer hochautomatisierten Selbstevolution.

Mit Blick auf die technische Roadmap skizzierte Yang Zhilin drei Phasen in der Entwicklung großer Modelle: Die erste Phase vor drei Jahren stützte sich hauptsächlich auf natürliche Internetdaten und eine begrenzte manuelle Annotation zur Wertanpassung; die zweite Phase im letzten Jahr konzentrierte sich auf groß angelegtes bestärkendes Lernen, wobei Forscher hochwertige Aufgaben kuratierten, um die Modellleistung zu verbessern. Im Jahr 2026 hat sich ein grundlegender Wandel in den Forschungsmethoden der KI vollzogen, und die Rolle der Forscher entwickelt sich hin zu der eines „KI-Rechenplaners“. In dieser neuen Phase wird der Forschungsprozess von der KI vorangetrieben, die eine riesige Anzahl von Tokens nutzt, um autonom neue Aufgaben und Umgebungen zu synthetisieren, optimale Belohnungsparameter zu definieren und sich sogar aktiv an der Erforschung neuer Netzwerkarchitekturen zu beteiligen.
Dieser Trend deutet darauf hin, dass die Effizienz der KI-Forschung und -Entwicklung vor einer exponentiellen Beschleunigung steht. Moonshot gab bekannt, dass sich sein Kernprodukt Kimi darauf konzentrieren wird, die Grenzen der intelligenten Technologie zu erweitern und ein kollaboratives, sich weiterentwickelndes Technologie-Ökosystem mit der Open-Source-Community zu fördern. Der Übergang von „menschlichem Training der KI“ zu „KI als Wegweiser für die Forschung“ ist nicht nur eine Verbesserung der Trainingsmethoden, sondern auch ein bedeutender Meilenstein auf dem Weg zur allgemeinen künstlichen Intelligenz (AGI) und signalisiert einen Wandel vom passiven Lernen hin zur autonomen Erforschung.
Verwandter Artikel
DeepMind-CEO Hassabis: Ich schlafe sechs Stunden pro Tag und fühle mich normalerweise gegen 1 Uhr nachts energiegeladen.
Fortune hat kürzlich ein Interview mit Demis Hassabis, dem CEO von Google DeepMind, veröffentlicht, das seinen unkonventionellen Ansatz zu Erholung und Produktivität offenbart. Hassabis gab bekannt, dass er sehr wenig schläft und seine wachen Stunden
OpenAI und Anthropic kämpfen trotz Umsatzrückgängen um Marktanteile
Obwohl jüngste Berichte darauf hindeuten, dass OpenAI seine Umsatzziele verfehlt hat, was an diesem Dienstag Druck auf die Technologieaktien ausübte, zeigen sich private Investoren in KI-Labore weiter
Einhaltung der Vorschriften für autonome Fahrzeuge in Kalifornien: Eine neue Ära von Bußgeldern, Geofences und 1 Million Meilen
Guident betreibt einen AuveTech-Shuttle in Südflorida und verwaltet mithilfe seiner Fernüberwachungstechnologie eine vier Meilen lange Strecke in West Palm Beach sowie eine eine Meile lange Strecke in
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)

Mit Blick auf die technische Roadmap skizzierte Yang Zhilin drei Phasen in der Entwicklung großer Modelle: Die erste Phase vor drei Jahren stützte sich hauptsächlich auf natürliche Internetdaten und eine begrenzte manuelle Annotation zur Wertanpassung; die zweite Phase im letzten Jahr konzentrierte sich auf groß angelegtes bestärkendes Lernen, wobei Forscher hochwertige Aufgaben kuratierten, um die Modellleistung zu verbessern. Im Jahr 2026 hat sich ein grundlegender Wandel in den Forschungsmethoden der KI vollzogen, und die Rolle der Forscher entwickelt sich hin zu der eines „KI-Rechenplaners“. In dieser neuen Phase wird der Forschungsprozess von der KI vorangetrieben, die eine riesige Anzahl von Tokens nutzt, um autonom neue Aufgaben und Umgebungen zu synthetisieren, optimale Belohnungsparameter zu definieren und sich sogar aktiv an der Erforschung neuer Netzwerkarchitekturen zu beteiligen.
Dieser Trend deutet darauf hin, dass die Effizienz der KI-Forschung und -Entwicklung vor einer exponentiellen Beschleunigung steht. Moonshot gab bekannt, dass sich sein Kernprodukt
DeepMind-CEO Hassabis: Ich schlafe sechs Stunden pro Tag und fühle mich normalerweise gegen 1 Uhr nachts energiegeladen.
Fortune hat kürzlich ein Interview mit Demis Hassabis, dem CEO von Google DeepMind, veröffentlicht, das seinen unkonventionellen Ansatz zu Erholung und Produktivität offenbart. Hassabis gab bekannt, dass er sehr wenig schläft und seine wachen Stunden
OpenAI und Anthropic kämpfen trotz Umsatzrückgängen um Marktanteile
Obwohl jüngste Berichte darauf hindeuten, dass OpenAI seine Umsatzziele verfehlt hat, was an diesem Dienstag Druck auf die Technologieaktien ausübte, zeigen sich private Investoren in KI-Labore weiter











