1.8万美金干掉顶级专家新智元

1997年深蓝下棋，2016年AlphaGo围棋，2026年9个Claude副本做真实科研……每次我们都说「只是特定领域」。这一次，我们真的还能说什么？欢迎来到AI成为科研同事、竞争者、甚至继任者的时代。

最新突破，AI再次碾压人类！

最近，Anthropic发布了一篇看似不起眼的研究博客。

标题叫「自动化对齐研究员」（Automated Alignment Researchers），学术味十足，措辞克制。

但如果你读懂了里面的数据，大概率也会感觉AI恐怖如斯。

故事是这样的——

Anthropic的研究团队做了一个实验：他们拿出9个Claude Opus 4.6的副本，给每个副本配了一个沙箱环境（相当于一间独立实验室）、一个共享论坛（相当于学术交流群）、一套代码存储系统，以及一个远程打分服务器。

然后，他们给这9个AI一个方向性的提示——有的去研究可解释性工具，有的去想想数据重加权——就放手不管了。

没有手把手教，没有规定工作流程，甚至没有告诉它们「正确答案长什么样」。

就让它们自己折腾。

五天后，结果出来了。

人类研究员：两名顶级专家，花了7天，对四种最前沿的方法反复调优，最终在PGR（性能差距恢复率）指标上拿到了0.23。

9个Claude副本：800小时累计研究时间，总花费1.8万美元（约合每小时22美元），PGR达到了0.97。

0.23 比0.97，这可不是「稍微好一点」，这就是碾压。

如果把PGR理解为一场考试的分数——人类考了23分，AI考了97分。满分100。

而人类那两位研究员，放在任何一家顶级AI实验室里，年薪都是百万美金级别的。AI的花费呢？1.8万美金。一个零头都不到。

人类引以为傲的「科研直觉」和「灵光一闪」，就这样被AI用极低成本的大规模并行试错——说好听点叫「系统性搜索」，说直白点就是暴力美学——无情击碎了。

它们到底干了什么？

要理解这个实验的颠覆性，我们得先搞清楚一个概念：弱监督强（Weak-to-Strong Supervision）。

这是对齐研究中最重要的问题之一，也是未来AI安全的核心挑战。

简单来说：当AI比人类聪明之后，我们怎么确保它还听话？

研究团队设计了一个精巧的代理实验——用一个「弱模型」（Qwen 1.5-0.5B-Chat）充当老师，去训练一个「强模型」（Qwen 3-4B-Base）。

弱老师教强学生，看强学生能不能「青出于蓝」，不仅学会弱老师教的东西，还能发挥出自身更强的潜力。

PGR就是衡量这个「青出于蓝」程度的指标：0分代表强模型完全没有超越弱老师，1分代表强模型达到了它能力的天花板——就好像根本没被弱老师拖后腿一样。

这个问题为什么适合让AI来做？因为它有一个极其珍贵的特性——结果可量化。

你提了一个方法，跑一遍实验，服务器直接给你打分。不需要同行评审，不需要主观判断，对就是对，错就是错。

这对AI来说简直是天堂。

实验的具体设置

9个Claude副本，各自拥有：

独立沙箱：一间属于自己的「实验室」，可以写代码、跑实验、分析数据；

共享论坛：可以把自己的发现贴上去，看别人的进展，互相借鉴；

代码仓库：可以上传和下载彼此的代码；

远程评分服务器：提交方案，自动获得PGR分数。

每个副本被分配了一个略有不同但故意模糊的研究起点。