研究显示 AI 递归自我改进或比预期更慢
AI 擅长工程但不擅长开放式研究，递归自我改进的关键短板或许会让其到来时间推迟。
新研究测试了 AI agent 的开放式研究能力——即无标准答案、依赖判断力的探索。结果发现，它们虽能完成工程任务，却缺乏创造力和判断力，产出的论文达不到顶级会议要求。这意味着，AI 递归式自我改进的实现可能比一些乐观预测更遥远。
正文摘录
AI 行业的递归自我改进，可能不会来得那么快 AI 行业目前最大胆的承诺是：AI 很快就会在几乎不需要人类监督的情况下自我改进。大语言模型已经能写代码、生成用于训练的人工数据，还能优化它们自身运行所依赖的计算机芯片。关于 AI 爆发式进展的[预测](https://ai-2027.com/)认为，研究人员所说的[递归自我改进](https://www.technologyreview.com/2025/08/06/1121193/five-ways-that-ai-is-learning-to-improve-itself/)（AI 自己改进自己的能力）即将到来。 但一项[新研究](https://arxiv.org/abs/2607.27191)表明，我们可能还需要一段时间才能达到那个目标。该研究的作者发现，AI 智能体尚不具备进行开放式 AI 研究的能力——所谓开放式研究，是指那些没有明确答案、需要判断力和品味来推进的自由探索，而这可能是构建自我改进型 AI 的关键要素。 由普林斯顿大学的 Peter Kirgis 和 Sayash Kapoor 领导的多机构研究团队发现，AI 智能体能够解决开展 AI 研究所需的工程问题，但缺乏判断力和创造力，无法产出达到顶级机器学习会议录用论文水准的原创研究。这一差距表明，某些关于自动化 AI 研究的激进时间表，可能跑在了证据前面。