Kendi kodunu iyileştiren yapay zeka: Tsinghua'nın Frontis-MA1'i tek ekran kartında devlere yaklaştı
Tsinghua araştırmacılarının modeli, makine öğrenimi kodunu yazıp hatasını ayıklayıp iyileştiriyor; tek tüketici GPU'sunda kıyas başarısını yüzde 39'dan 71'e çıkarıp çok daha büyük kapalı modellerin menziline girdi.
Yapay zekayı geliştiren yapay zeka fikri, akademiden somut bir örnekle döndü. Tsinghua Üniversitesi araştırmacıları, makine öğrenimi kodunu yazan, hatasını ayıklayan ve kendi çıktısını iyileştiren Frontis-MA1 modelini duyurdu. Çarpıcı olan ölçek: model tek bir tüketici ekran kartında çalışırken, kıyaslama görevlerindeki başarı oranını yüzde 39'dan yüzde 71'e taşıyor ve kendisinden kat kat büyük kapalı kaynaklı modellerin menziline giriyor.
Paylaşılan kıyas tablosu da günün diliyle konuşuyor: sonuçlar "tüm koşum takımı sonuçları" başlığıyla veriliyor ve Frontis-MA1, OpenMLE-Evo-Max değerlendirmesinde Kimi K3 ve GPT-5.5 gibi devlerin hemen arkasında, GLM-5.3 dahil birçok tanıdık ismin önünde sıralanıyor. Boyut-başarı grafiğindeki mesaj daha da net: yatay eksende parametre sayısı logaritmik büyürken Frontis-MA1 sol üstte, yani küçük boyutla yüksek puan bölgesinde tek başına duruyor.
Yöntemin özü kendini iyileştirme döngüsü: model bir makine öğrenimi deneyi kuruyor, kodu çalıştırıyor, hatayı görüyor, düzeltiyor ve daha iyi sürümünü yazıyor; insan araştırmacının gün alacak deneme yanılması, ekran kartında saatlere iniyor. Bu yaklaşım, bu hafta yazdığımız zincirin akademik halkası: Uber ajanlara kod yazdırıyor, OWASP yapay zekanın yamalarını insan süzgecinden geçiriyor, Tsinghua ise modelin kendi kendini eğitmesini tek GPU'ya sığdırıyor.
Erişilebilirlik vurgusu bilinçli: tek tüketici kartında çalışan bir kendini iyileştirme döngüsü, bu araştırma sınıfını büyük laboratuvar bütçelerinden çıkarıp üniversite kulüplerinin ve bağımsız araştırmacıların masasına koyuyor. Devlerle aradaki fark hala var; ama artık fiyat etiketi milyon dolar değil, bir oyun bilgisayarı.
