普林斯顿研究:AI 智能体尚缺原创研究品味,递归自我改进不会很快到来
ArtificialOther · x · 2026-09-14
MIT Technology Review 报道了 Peter Kirgis 与 Sayash Kapoor(普林斯顿)等人的新研究:AI 智能体虽然能完成 AI 研究所需的工程任务——写代码、生成合成数据、优化芯片——但在开展开放式 AI 研究时力不从心。
关键发现:
- 开放式研究没有明确答案,需要研究判断力(judgment)与品味(taste),这正是智能体的短板
- 智能体产出的研究成果达不到顶级机器学习会议录用论文的水准
- 结论:业界对"递归自我改进"和自动化 AI 研究的激进时间表可能跑在了证据前面
「漫话AGI」频道最新
- Nathan Lambert 警告:开源模型禁令恐因恐慌而过早出台 — akbirthko · 2026-09-14
- 领域专家集体泼冷水：在自己懂的行业，AI 只是工具且被高估 — mariofilhoml · 2026-09-14
- 评论：OpenAI 与 Anthropic 实际放缓前沿研发概率趋近于零 — inductionheads · 2026-09-14
- 前 DeepMind 研究员发文解释为何离职：个人信任不足以约束 AI 公司 — Turn_Trout · 2026-09-14
- banteg 讽刺长文：如果「灭绝风险」也上 Uniswap 会怎样 — banteg · 2026-09-14
- X 平台正变成 Iain Banks「文明」系列的粗糙初稿？ — yunta_tsai · 2026-09-14