自我改進

ChainCatcher 消息，OpenAI、Anthropic、Meta Platforms 和微軟的研究負責人呼籲政策制定者審查各自公司在人工智慧研究自動化方面的進展。研究人員在論文中指出，AI 研究的自動化可能引發 "智慧爆炸"，技術演進速度可能超出人類理解能力，建議政策制定者提高透明度。

ChainCatcher 消息，智譜 GLM 團隊披露遞歸自我改進方向的首個工程化實踐，由 GLM-5.3 驅動的 Infra Agent 完成了 GLM-5.3-Flash 推理基礎設施的設計、調試與優化。該實踐在十萬卡國產集群上完成，團隊稱其為國內大模型首個遞歸自我改進實踐。

ChainCatcher 消息，OpenAI 首席科學家 Jakub Pachocki 於 2026 年 9 月 6 日發表文章《An Alien Mind》。文章回顧 2023 年中期 RLSlow 研究項目首次出現可規模化訓練推理模型的結果，稱三年後推理語言模型已成為經濟快速增長的一部分，開始推動科學邊界，能操作計算機與圖形介面、與人及其他 AI 協作並開展研究項目，同時改變計算機安全格局並帶來新危險。作者基於內部結果預期當前進展速度可能持續至遞歸自我改進。若 AI 發展沿當前路徑繼續，未來幾年系統可能出現同等或更大能力躍升，並日益驅動自身發展。作者呼籲極端謹慎，認為無人準備好應對機器智能持續快速上升的後果。OpenAI 將繼續尋求對齊與監控的技術解決方案、構建防禦系統並在必要時單方面停止進一步規模化，但認為需要更廣泛干預。文章稱機器智能主要由計算能力增加驅動，AI 更多是生長而非設計。對齊方面區分目標對齊與價值對齊，核心挑戰是泛化。GPT-6 Astra 對齊顯著優於 GPT-5.6 Sol，但仍需更多進展。監控方面主要押注思維鏈監控，評估顯示依賴能力正逐步減弱。可擴展防禦方面，模型在突破計算機系統方面正變得超人，目前處於使用最佳可用模型顯著加強關鍵系統安全的狹窄窗口。