AI4AI-Bench 揭示：递归自我改进仍极其困难
_akhaliq · x · 2026-08-22
Einsia 发布了 AI4AI-Bench 基准，用于测试 AI Agent 是否能改进 AI 训练算法本身（而非仅调参）。测试覆盖 10 个真实算法库和任务，结果显示平均得分仅 0.166，最强的 Opus 5 也只拿到 0.288 分。此外，每个任务的探索成本从 1.69 美元飙升至 34.60 美元。这表明目前的递归自我改进 (RSI) 仍面临巨大挑战。
所属事件:AI4AI-Bench基准测试：AI自我改进能力仍薄弱(3 条相关)→
「研究」频道最新
- WEDGE 论文：把导航失败经历变成可学习的训练环境 — _akhaliq · 2026-10-16
- RExBench 基准:最强编码 Agent 自主完成研究扩展成功率仅 33% — najoungkim · 2026-10-16
- Google 发布 CLASHarness:基准测试多智能体冲突下的计算机操作能力 — google · 2026-10-16
- 清华团队证明:普通 Flow Matching 采样无法突破固定深度模型表达力上限 — SQZ · 2026-10-16
- APEX-Harm 基准:共享工作区中脚本注入攻击对智能体成功率居高不下 — KAUST · 2026-10-16
- USC 研究:智能体 residual stream 状态可预测并拦截越权动作与事后撒谎 — USC · 2026-10-16