Anthropic「自主对齐研究员」：7 项实验全胜人类，成本仅 $4/时
daniel_mac8 · x · 2026-08-30
Anthropic 发布了基于 Claude Opus 4.8 的 Autonomous Alignment Researcher（自主对齐研究员）相关研究：
- 在 7/7 项实验上击败人类 AI 研究员；
- API 推理成本约 $4/小时，对比人类研究员约 $150/小时；
- 有趣的发现：由人类专家给定方向的运行，表现并不比 Opus 4.8 自己选方向更好。
发帖者评论称：“递归自我改进的超级智能已经来了，只是分布不均。”
所属事件:Anthropic 自动对齐研究员全面超越人类专家(22 条相关)→
「安全」频道最新
- Anthropic 红队两年来首次“抹除”模型，GLM-5.3 拒答率从 90% 跌至 3% — cephaloform · 2026-10-16
- Anthropic 开放类员工权限，METR 等第三方评估者将公开风险报告 — AnthropicAI · 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
- AI 安全圈口水战:风险研究被指「公司行为」,团队负责人下场回应 — logangraham · 2026-10-16
- Brave 浏览器 AI 助手接入 GLM,推出端到端加密对话 — gnukeith · 2026-10-16