自我改进

ChainCatcher 消息，OpenAI、Anthropic、Meta Platforms 和微软的研究负责人呼吁政策制定者审查各自公司在人工智能研究自动化方面的进展。研究人员在论文中指出，AI 研究的自动化可能引发 “智能爆炸”，技术演进速度可能超出人类理解能力，建议政策制定者提高透明度。

ChainCatcher 消息，智谱 GLM 团队披露递归自我改进方向的首个工程化实践，由 GLM-5.3 驱动的 Infra Agent 完成了 GLM-5.3-Flash 推理基础设施的设计、调试与优化。该实践在十万卡国产集群上完成，团队称其为国内大模型首个递归自我改进实践。

ChainCatcher 消息，OpenAI 首席科学家 Jakub Pachocki 于 2026 年 9 月 6 日发表文章《An Alien Mind》。文章回顾 2023 年中期 RLSlow 研究项目首次出现可规模化训练推理模型的结果，称三年后推理语言模型已成为经济快速增长的一部分，开始推动科学边界，能操作计算机与图形界面、与人及其他 AI 协作并开展研究项目，同时改变计算机安全格局并带来新危险。作者基于内部结果预期当前进展速度可能持续至递归自我改进。若 AI 发展沿当前路径继续，未来几年系统可能出现同等或更大能力跃升，并日益驱动自身发展。作者呼吁极端谨慎，认为无人准备好应对机器智能持续快速上升的后果。OpenAI 将继续寻求对齐与监控的技术解决方案、构建防御系统并在必要时单方面停止进一步规模化，但认为需要更广泛干预。文章称机器智能主要由计算能力增加驱动，AI 更多是生长而非设计。对齐方面区分目标对齐与价值对齐，核心挑战是泛化。GPT-6 Astra 对齐显著优于 GPT-5.6 Sol，但仍需更多进展。监控方面主要押注思维链监控，评估显示依赖能力正逐步减弱。可扩展防御方面，模型在突破计算机系统方面正变得超人，当前处于使用最佳可用模型显著加强关键系统安全的狭窄窗口。