# Anthropic 研究员展示 AI 自己修自己的早期实验：10 项对齐测试全过，整体能力没掉

> 原标题：An Anthropic researcher just gave us a peek at self-improving AI

- 来源：TechCrunch · AI
- 发布时间：2026-08-28T19:30:38.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/53510
- 原文：https://techcrunch.com/2026/08/28/an-anthropic-researcher-just-gave-us-a-peek-at-self-improving-ai/

## 摘要

Anthropic 研究员陈岳翰发了一篇论文，让自动化 AI 系统自己去搜论文、提方法、训练模型，每次训练只跑 30 分钟，反复迭代。给系统 10 个专门测“模型跑偏行为”的基准，它把每一项都修好了，而且没拖累模型的整体表现。管用的方法会被留下，没用的就扔掉，所以这套流程可以一直跑下去。论文标题叫《自动化研究员能可靠缓解对齐失败》。

## 推荐理由

Anthropic 研究员陈岳翰让自动化系统自行搜论文、提方法并迭代训练，在 10 项对齐基准上逐项修复跑偏行为，同时保持模型整体能力，这套流程可反复运行。

## 锐评

10 项对齐测试全过，还只跑 30 分钟一轮，这个设定比结果本身更值得看。30 分钟的算力预算，它搜到的方法大概率是调 prompt、改数据配比这类便宜活，重新训练根本来不及。便宜活能修好对齐问题，那对齐失败里有多少本来就是数据脏，模型本身没坏。

论文标题写的是可靠缓解，样本只有 10 个 benchmark，还是自家挑的。我信这套流程能跑，不信它现在能上产线。
