OpenAI 内部：AI 研究员如何重塑工作流
Research acceleration: The view inside OpenAI
OpenAI 内部研究生态正在发生剧变。我们已达成目标，在 2026 年 9 月前实现了自动化研究实习生（automated research intern）的部署。如今，研究人员日常重度依赖 coding agents，其算力消耗甚至超过了人类劳动总量。实验数量与代码产出显著增长，AI 代理正从处理基础任务转向更复杂的长期规划。尽管进展迅速，我们坚持在人类监督下推进，并因安全考量多次暂停强化学习训练。透明披露这些进展，旨在让公众理解前沿 AI 的发展轨迹，共同决定其未来方向。
如果以负责任的方式推进，我们相信自动化 AI 研究将直接提升人类福祉并推动 OpenAI 的使命。
HN 评论区
176- carbonguy
> ……我们推进这项工作，部分原因是自动化研究能帮助我们解决对齐问题，并构建防御机制以应对日益强大的 AI。一个自动化的 AI 研究员也可以是一个自动化的安全或对齐研究员。更强大、更对齐的系统有助于保障关键基础设施，抵御危险的 AI 智能体，并开发新的保护措施。
换句话说……“我们必须推进 AI 的进步，以保护我们免受 AI 进步的威胁？”
编辑：这篇博客里有太多值得批判的地方，这里再补充两点让我印象深刻的地方：
1) 所有指标实际上都在强调“我们用了更多 AI！”——但完全没有提及实际影响。所有这些 token 消耗到底给他们带来了什么？难道只是为了让他们宣称自己拥有的“自舔冰淇淋蛋筒”比以前更多了吗？
2) 在第 3 部分，他们拆解了 token 消耗的去向。大部分支出用于：a) 构建，b) 文档化，以及 c) 监控研究基础设施。也就是说，他们正在使用自己承认可能存在对齐问题的 AI 系统，来构建他们认为能帮助识别未来对齐问题的系统？对此我猜反驳会是“不不，我们确信这些系统是对齐的！”
- hedgehog
这大致符合我的个人经验：今年三月，更强的模型加上我这边更好的工具链，让我开始能够全天候无人值守地运行任务（使用 Anthropic 订阅和我自己的硬件）。不过他们每天每位研究员 8000 美元的开销确实疯狂，我很好奇他们是如何追踪工作进度的。
- Jeff_Brown
我始终无法获得信息的一个关键问题是：如果他们发现早期未对齐的模型可能将对齐问题传递给了当前模型，他们是否会回滚到安全检查点并从中重建？我怀疑除非被迫，否则他们不会这么做。
- pizza234
通往 AI 2027 之路上的那些小碎片真是既好笑又悲惨：
> 我们的目标是安全地构建一个自动化 AI 研究员，在人类监督下工作以推动深度学习和对齐研究的进展，从而实现迭代改进……我们所说的“研究实习生”，是指能在人类指导下执行明确定义的研究任务的系统，包括那些需要熟练研究员花费数天才能完成的任务。
AI 2027：
> OpenBrain 继续在其内部部署迭代改进的 Agent-1 用于 AI 研发
> 在 Agent-1 的帮助下，OpenBrain 现在正在对 Agent-2 进行后训练
> 在数千个 Agent-2 自动化研究员的帮助下，OpenBrain 正在取得重大的算法进展
- nozzlegear
我想要一个全能的 AI，它符合我的价值观，但不一定符合你的。这要求过分了吗？