AI前沿|Anthropic AAR实验：AI自主对齐研究与“外星科学”隐忧

今天解读一篇论文——Anthropic 于 2026 年 4 月 14 日发布的《自动化对齐研究者》（AAR）。该文探讨了一个极具科幻感的话题：能否让 AI 模型独立进行 AI 对齐研究？ 核心结论充满矛盾：在实验环境下，AAR 确实展示了惊人的自主研究潜力——数学任务的泛化 PGR（性能差距恢复率）高达 0.94，逼近理论极限。然而，一旦将此方法应用于实际生产训练，效果便荡然无存。这表明，目前的 AAR 更像是一位“机灵的实验室助手”，而非成熟的对齐专家。 更需警惕的是 Anthropic 提出的“外星