递归自我改进

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。