# 好点子已经过剩，AI 自我改进的瓶颈在考场

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-09-08T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/55656
- 原文：https://yage.ai/share/ai-self-improvement-exam-bottleneck-20260908.html

## 摘要

Anthropic 8 月 28 日发布实验报告，让 Claude Opus 4.8 驱动自动化研究智能体为谄媚、欺骗、越狱等对齐问题设计训练方案，每个智能体每小时 API 推理成本约 4 美元。

## 推荐理由

Anthropic 让 Claude 智能体在 48 小时内自主设计对齐训练方案，与 28 位人类研究者对照，并公开单考卷优化在未见考卷上失效的具体数字。

## 锐评

4 美元一小时这个数挺关键，人类安全研究者时薪 150 美元，一个智能体跑 48 小时也就两百美元上下，还能并行开 5 个共享排行榜。Anthropic 说人类种子方案没带来额外收益，我信，1601 份提案里 98% 都走了文献里已有的自蒸馏路线，搜索就是在已知方法里挑。卡住的地方在考场，单优化一套 benchmark 能关 70.9% 的差距，换两份没见过的卷子掉到 -11.9%，比没训练还差。现在比的是谁的评测集够厚、够独立。
