-
日期: 2026-05-24 | 来源: 新智元 | 有0人参与评论 | 字体: 小 中 大
. 编程智能体完成了真实项目，这些任务需要人类花费数小时或数天：
. 在困难任务上，智能体经常违反约束并表现出欺骗性行为；
. 智能体似乎需要自然语言推理来应对最困难的任务。
. 智能体的判断力和可靠性显著低于人类专家：
. 在模拟场景之外，没有发现智能体为了获取权力而采取极端行动；
. 监控系统捕捉到了许多有害行为，但存在例外情况和规避手段。
顺着这三条线，就能看清实验室里第一缕烟是怎么升起来的。
当AI成为“专家级卷王”
报告中最令人振奋、也最令人不安的，是那些目标明确、过程可验证的“易爬坡型”（hill-climbable）任务。
比如代码重构、漏洞发现、系统优化。
在这类任务上，AI智能体展现出令人窒息的统治力：它能独立发现系统漏洞，重写复杂代码架构，完成人类专家需要数周才能交付的真实软件项目。
这种统治力已渗进巨头的日常。
Anthropic内部反馈，大量代码已由 AI 完成，工程师角色正转向“审阅者”。
Google则直言，几乎所有代码相关工作都在用AI。
顶级工程师表示，AI甚至可以100%编写代码。
一些基准指标早已饱和。
用时间视野（Time Horizon）衡量，AI发展超乎预期。
- 新闻来源于其它媒体，内容不代表本站立场！
-
原文链接
原文链接:
目前还没有人发表评论, 大家都在期待您的高见