你让一名助手替另一名助手纠正坏习惯。它先翻资料，提出训练办法，试半小时，再看效果：有用的留下，没用的丢掉。循环几轮后，十种坏习惯都减轻了，原本的办事能力也没有下降。Anthropic 新论文展示的，大致就是这样一套自动化流程。
值得注意的不是“AI突然学会改写自己”，而是一个长期停留在概念层面的问题，开始被拆成可重复测量的实验：AI能否参与改进另一套AI，并让改进后的系统继续承担优化工作。论文把这称为迈向递归自我改进的一步。不过，本文数据均来自 TechCrunch 对同一篇 Anthropic 论文的转述，目前没有材料显示已有独立复现。
它改的不是智力，而是行为边界
这项研究关注的是对齐——让AI的行为符合人类意图、规则和安全目标。研究团队给自动系统十项 benchmark，也就是采用固定任务和评分方法的测试集。每项测试针对一种特定的失准行为，并非数学、写作或编程等十类通用能力。
由 Anthropic fellow Chen Yueh-Han 牵头的系统名为 Automated Alignment Researcher，简称 AAR。它先检索已有文献，再提出一种训练方法，并用这种方法训练模型30分钟。随后，它根据测试表现决定去留：有效方案被保留，无效方案被淘汰，再进入下一轮迭代。
可以把它理解成一间高速运转的小型实验室。AAR不只是生成一个听起来合理的点子，还要把点子变成训练实验，并用结果筛选下一步方向。按照论文披露的数据，它在十项针对特定失准行为的测试上全部提高了成绩，同时没有降低 overall performance，也就是研究采用的整体表现指标。
但“整体表现没有下降”仍需谨慎理解。现有材料没有说明它具体包含哪些指标，也没有提供误差范围和统计显著性。因此，这句话能支持“实验中未观察到整体能力受损”，却不能外推为模型在所有场景都毫无代价。
六小时胜过人类，意味着什么？
论文给出了一个很抓眼球的比较：AAR找到的最佳方法，平均能在六小时内超过有经验的人类研究者提出的方法；由人类指导研究方向，也没有得到更强表现。成本对比同样悬殊：论文估算AAR的API推理费用约为每小时4美元，而人类研究者报酬为每小时150美元。
这组数字说明，至少在范围明确、评分清楚的对齐任务上，自动系统可以快速并行试错。机器的优势未必是每个想法都更聪明，而是它能持续搜索、训练、评分和淘汰，不必把大量时间耗在逐项执行上。
不过，这还不能推出“人类AI研究者即将被替代”。每小时4美元只计算API推理费用，未必涵盖测试设计、训练基础设施、监督、失败实验，以及人类此前生产文献和方法知识的成本。材料也没有交代参与比较的人类样本规模和评测是否采用盲法。论文的成本数字更适合看作特定实验流程的运行费，而非完整的人机经济账。
为什么这一步值得看
过去谈递归自我改进，容易一步跳到“AI全面升级AI”。这项工作的价值恰恰在于收窄问题：先选定可描述的失准行为，再让自动系统查资料、提方案、做训练，最后用固定测试决定是否保留。
这样一来，“AI改进AI”不再只是关于未来能力的争论，而成为一条可以检查的实验链。十项测试全部涨分，说明这套流程并非只对某一个精心挑选的问题有效；没有观察到整体表现下降，也回应了一个现实担忧：修正一种行为时，会不会把模型其他能力一并削弱。
但标题里的“改造自己”只能当作简写。AAR是在为模型设计对齐后训练方案，并不是模型直接修改自身权重，更不是已经实现了通用的递归自我改进。它展示的是一个早期、受约束的自动研究闭环。
局限与未知
- 成绩取决于 benchmark 是否真的代表对齐目标。若系统利用评分漏洞，涨分可能只是更会考试，而非真实行为改善。
- 建立和维护测试集、扩充文献库仍需要大量工作，这些成本没有包含在每小时4美元的对比中。
- 现有材料未提供十项测试的具体内容、整体表现指标、误差范围及独立复现结果。论文证明的是一套流程在特定实验中的潜力，不是通用自我改进已经到来。