实验

OpenAI
2026-09-07 02:15:11

OpenAI首披内部RSI进展:智能体工作量已达人类研究员3倍

OpenAI 9月6日首次以内部数据披露“递归自我改进”进展,称已完成去年秋天设定的“自动化研究实习生”目标。数据显示,截至8月中旬,其研究组织中智能体按8小时工作日折算,已实现每1个人类工作日对应3.1个智能体工作日。公司还披露,代码、实验、排障和监控类任务增长明显,但高层规划与方向判断仍主要由人类研究员负责。

190
OpenAI首披内部RSI进展:智能体工作量已达人类研究员3倍
神鱼
2026-09-07 02:44:08

神鱼谈 AI 时代投资框架:比特币是更好的黄金

Cobo 联合创始人神鱼在与极链科技创始人金明的对谈中,围绕 DeFi、AI Agent、比特币与投资方法展开系统阐述。他将 DeFi 视为被压缩的金融史实验场,认为 AI 降低执行成本后,人的方向感与意志更关键;在资产配置上,他强调「少而深」,并把比特币、以太坊和特斯拉列入通过长期框架测试的核心资产。

60
神鱼谈 AI 时代投资框架:比特币是更好的黄金
OpenAI
2026-09-07 03:20:09

OpenAI首席科学家警告“异星心智”逼近,呼吁全球放缓前沿 AI 竞赛

OpenAI 首席科学家 Jakub Pachocki 发布长文《An Alien Mind》,称当前 AI 更像无法被完全理解的“异星心智”,并表示全球没有任何一家实验室准备好全速推进。文中提到,OpenAI 已看到递归自我改进(RSI)持续推进的迹象,思维链监控能力却在减弱;他主张将对齐要求升级为全球强制安全法律,并推动前沿研究降速与跨国协调。

30
OpenAI首席科学家警告“异星心智”逼近,呼吁全球放缓前沿 AI 竞赛
神鱼
2026-09-07 02:39:17

神鱼谈 DeFi、比特币与 AI Agent:执行更便宜后,意志更关键

Cobo 联合创始人神鱼在与极链科技创始人金明的对谈中,围绕 DeFi、AI Agent、比特币和投资方法展开分享。他将 DeFi 视为「被压缩的金融史课程」,强调投资框架来自实践、复盘与抽象循环;在 AI 降低执行成本后,人的方向感和持续行动意志更重要;核心资产筛选则首先看长期价值空间,目前通过其三层仓位测试的只有比特币、以太坊和特斯拉。

30
神鱼谈 DeFi、比特币与 AI Agent:执行更便宜后,意志更关键
Hyperliquid
2026-09-07 03:04:13

Ryan Watkins:Hyperliquid 正朝“万物交易平台”演进

在 The Rollup 的一场对话中,Ryan Watkins 围绕 Hyperliquid 的投资逻辑、HYPE 价格异动、HIP-3 与美国市场进展、链上交易平台对中心化交易所和传统衍生品市场的渗透路径展开讨论。他认为,Hyperliquid 的核心不只是链上永续合约,而是以统一账本、全仓保证金、现货与合规框架为基础,逐步走向可交易全球资产的“万物交易平台”。访谈还谈及现金流型链上业务、比特币与 Zcash 的价值储存竞争,以及社交交易和创作者激励如何重塑链上金融。

60
Ryan Watkins:Hyperliquid 正朝“万物交易平台”演进
OpenAI
2026-09-07 02:05:45

OpenAI首次披露内部RSI进展:已实现“自动化研究实习生”

OpenAI 9月6日首次以内部数据公开“递归自我改进”进展,称已完成去年秋天设定的“自动化研究实习生”目标。公司披露,截至8月中旬,研究组织智能体产出工作量已达人类研究员的 3.1 倍,多项编码、实验、监控和分析任务的使用持续增长。OpenAI同时强调,复杂任务仍需人工介入,7月和8月还曾因安全事件与模型能力评估收紧部分训练环境和算力分配。

00
OpenAI首次披露内部RSI进展:已实现“自动化研究实习生”
OpenAI
2026-09-07 01:48:20

OpenAI首席科学家警告AI或走向自我改进,称必要时应放缓竞赛

OpenAI首席科学家 Jakub Pachocki 于 9 月 6 日发表《An Alien Mind》,称 AI 已在部分能力上以“具变革性”的方式超越人类,并可能继续走向递归式自我改进。文章回顾 OpenAI 自 2023 年以来对推理模型的观察,指出对齐与监控进展仍赶不上能力增长,尤其在 Astra 世代,可观察模型推理过程这扇“窗口”正在变得不再可靠。他同时表示,若安全信心不足,AI 公司应考虑主动减速。

30
OpenAI首席科学家警告AI或走向自我改进,称必要时应放缓竞赛
Meta FAIR
2026-09-06 20:36:51

Meta FAIR 推出 AI 研究偏好模型 RPM,提前筛选实验方案以节省 GPU 时间

Meta FAIR 与牛津大学、伦敦大学学院研究团队发布 AI 研究偏好模型 RPM,用于在执行耗时 GPU 实验前对候选方案排序。该模型提供仅推理和智能体驱动两种变体,基于冻结的预训练大模型 Qwen3.6-27B,相关框架 AIRA-dojo 和基准 AIRS-Bench 已开源。测试显示,RPM 将平均归一化得分从 0.684 提升至 0.711 和 0.729,并在约 15 小时达到基线模型 24 小时的性能水平。

50
Meta FAIR 推出 AI 研究偏好模型 RPM,提前筛选实验方案以节省 GPU 时间