新上线2天前0 投票
Anthropic研究员展示自我改进AI：自动化系统提升对齐基准
Anthropic的研究员陈跃涵（Chen Yueh-Han）在最新论文中展示了一项突破性进展：AI系统能够自主改进自身的对齐训练，在10个对齐基准上均提升性能，且不损害整体表现。这一成果被视为迈向递归自我改进的重要一步，但也引发了对人类研究员未来角色的讨论。
自动化对齐研究员（AAR）的运作机制
该研究题为《自动化研究员能够可靠缓解对齐失败》，由Anthropic的Fellows项目研究员陈跃涵领导。系统模拟了传统研究流程：每个自动化系统搜索现有文献，提出方法，并用该方法训练模型30分钟，通过多次迭代逐步提升基准分数。有效方法被保留，无效的被丢弃，使得系统能够快速且大规模运作。
性能与成本优势
论文指出，最佳的AAR方法在平均6小时内就能超越经验丰富的人类研究员提出的方案，且人类引导的研究方向并未带来更强性能。成本方面，AAR每小时约需4美元的API推理费用，而人类研究员每小时成本高达150美元。
局限性与未来展望
尽管成果显著，论文也承认了局限性：自动化系统依赖于基准的准确性，且基准的建立与维护仍需大量工作。此外，文献库的维护与扩展也是挑战。尽管如此，论文认为，自动化对齐后训练在短期内可能变得实用，这为递归自我改进铺平了道路。
行业影响与反思
这一进展引发了对AI研究未来的深思。如果模型能自我改进对齐训练，那么更广泛的训练实践也可能被优化，人类研究员可能面临角色转变。然而，正如论文所强调，目前仍需人类来设定对齐目标与维护基准，完全自主的AI研究仍有一段距离。
