首页 >> 综合 > 快讯 >

OpenAI 提议 AI 实验室公开报告 RSI 指标量化 AI 对下一代模型开发的帮助程度

2026-11-19 12:14:16 来源:网易 编辑:昌爽维 

OpenAI 在 2026 年 11 月 18 日发布的研究加速报告《Research acceleration: The jagged frontier》中重申了一项政策主张:AI 实验室应当被要求跟踪并公开报告递归自我改进(RSI,Recursive Self-Improvement)相关指标,也就是把 "AI 在多大程度上帮助开发了下一代 AI 模型" 变成可记录、可对外披露的量化信息。OpenAI 认为,随着 AI 驱动的研究加速越来越容易实现,公众需要透明数据来讨论前沿模型的能力、风险和必要防护;同时报告明确,这套披露主张不等于 OpenAI 要追求完整的 RSI,人类仍然处在研究决策的核心位置。为支撑这一提议,OpenAI 用内部测量数据展示了编码智能体在研究周期里的使用强度、自主完成率和产出变化,下面把提议内容、核心指标、任务拆解和边界说明整理成表格和清单。

一、提议核心内容

项目内容
提议主体OpenAI
政策主张AI 实验室应被要求跟踪并公开报告 RSI 指标
RSI 定义AI 加速未来 AI 系统开发的过程,即 AI 对下一代模型开发的帮助程度
披露目的为公众讨论模型能力、风险和防护措施提供透明依据
报告依据OpenAI 内部对编码智能体加速和改变 AI 开发周期的测量
重要边界报告 RSI 指标不等于追求完整 RSI;人类仍负责研究方向和关键决策
历史脉络该主张此前已写入 OpenAI 前沿政策蓝图,并在首份研究加速报告中重申

二、报告披露的核心量化指标

1. 智能体自主完成任务成功率

任务时长(折算人工工作量)3 月成功率10 月成功率变化
2—4 小时任务23%46%接近翻倍
4—8 小时任务13%35%明显上升

2. 分任务类型自主成功率

任务类型智能体自主成功率
监控训练运行79%
启动训练运行35%
为推理和服务栈编写代码25%

整体判断:AI 带来的提升是 "锯齿状" 的,不同环节差异很大,人类仍是 AI 研究闭环的核心部分。

3. 智能体使用强度

指标9 月10 月环比变化
研究员中位日用量(API 标价折算)1,500 美元2,400 美元+62%
90 分位研究员日用量11,000 美元23,000 美元+105%
人均智能体工作日0.5 个5.7 个约 11 倍

4. 研究员对编码智能体的价值判断

调研对象为 101 名研究人员,时间在 2026 年 8 月底至 9 月初,假设问题为:若团队未来 3 个月无法使用优于 GPT-5.2 的前沿编码智能体,愿意付出什么代价恢复使用。

  • 中位回答:愿意让出 30% 的团队算力。
  • 另一问题中位回答:愿意让出 40% 的团队人头。
  • 若在 2027 年 1 月再问,预期愿让出 50% 的团队算力。
  • 不使用编码智能体、仅靠 GitHub Copilot 加 ChatGPT 时,团队完成上月等量工作中位需要 3 个月。
  • 10 月下旬另一项调研中,28 名受访者里有 27 名选择或倾向最新内部模型,而不是 "中期人类研究工程师加 2024 年 o1-preview" 的组合。

三、研究产出与安全投入

  1. 代码与实验:2026 年人均代码改动量相对 2025 年前均值持续上升;截至 10 月 18 日的四周内,人均记录实验数达到 2025 基线的 1.68 倍。
  2. 能力指标:OpenAI 内部版本 ECI(OECI)显示,OpenAI 模型前沿自 2025 年 8 月起每年提升 16.4 分,对比 Epoch 观测到的 2024 年末以来每年 14 分的趋势。
  3. 安全与对齐:安全和对齐是 OpenAI 主要研究方向中记录工时绝对增长最大的领域,1—9 月记录工时增长 77%,增长在 2026 年 7 月 Hugging Face 事件应对后明显加快。
  4. 想法来源:后训练和安全监控方向的重要想法均由人提出、模型协助实现;GPT-6 Astra 的预训练想法全部归于人;GPT-6.2 Astra 的部分预训练想法是研究员与 Codex 对话过程中共同发展出来的。

四、人类仍然负责的环节

  1. 设定研究优先级和选题方向。
  2. 判断哪些想法和结果值得继续追。
  3. 决定系统是扩量、暂停还是部署。
  4. 审核智能体产出的代码质量、数据质量和研究品味,避免低质量输出和无效循环。
  5. 在智能体启动实验、拆解任务等容易跑偏的环节做近距离介入。

五、提议落地的观察步骤

  1. 看披露指标:后续关注各实验室是否公开智能体用量、任务成功率、实验数量、能力指数等 RSI 相关指标。
  2. 区分用量与贡献:智能体工作日、API 用量只代表使用强度,不等于产出了同等倍数的有效研究成果。
  3. 对照任务类型:监控类任务 AI 参与度高,选题、判断和系统决策仍以人为主,不能用单一成功率概括全部研发环节。
  4. 跟踪能力趋势:用 OECI 这类能力指数判断研究是否真的在加速,而不是只看代码行数和实验数量。
  5. 关注治理进展:随着模型可执行任务周期拉长,评测、对齐和人类监督方法能否跟上,是 RSI 披露之外的关键问题。

综合来看,OpenAI 这次提议的核心是把 "AI 帮下一代模型开发做了多少" 纳入实验室必报的透明指标;报告数据显示编码智能体在执行、监控和大规模扫描环节已经明显提速,但选题、判断和部署决策仍由人掌握。这套指标能否成为全行业统一规范,还需要其他实验室、监管方和公众讨论共同推动。

【相关 FAQ】

问题 1:OpenAI 提议 AI 实验室报告什么内容,和下一代模型开发有什么关系?

回答 1:OpenAI 提议 AI 实验室跟踪并公开报告 RSI(递归自我改进)指标,也就是量化 AI 对下一代模型开发的帮助程度,包括智能体用量、任务成功率、实验数量和能力提升等数据,让公众能看清 AI 参与自研的进度、风险和防护需求。

问题 2:RSI 具体指什么,OpenAI 报告 RSI 指标是不是要追求完整自我改进?

回答 1:RSI 全称 Recursive Self-Improvement,指 AI 加速未来 AI 系统开发的过程;OpenAI 明确说明,公开报告 RSI 指标不等于要追求完整 RSI,人类仍然负责选题、结果判断和扩量、暂停、部署等关键决策。

问题 3:OpenAI 内部 AI 帮助开发下一代模型的数据表现如何?

回答 1:按 OpenAI 11 月 18 日报告,2—4 小时任务智能体自主成功率从 3 月 23% 升到 10 月 46%,4—8 小时任务从 13% 升到 35%;10 月研究员中位日用量 2,400 美元,人均智能体工作日从 0.5 个升到 5.7 个,监控训练运行成功率达 79%。

问题 4:除了 OpenAI,其他 AI 实验室有没有参与这类 RSI 测量?

回答 1:OpenAI 在报告中提到,近期已有其他机构加入测量 AI 研发加速的工作,行业正在形成共享的测量规范;36 氪等媒体也记录了 Anthropic 披露 Claude 参与研发比例、OpenAI 自动化研究实习生到岗等 2026 年相关进展,后续披露口径仍需以各实验室公开报告为准。

【参考资料】

[2026-11-18](Research acceleration: The jagged frontier)OpenAI

[2026-11-18](OpenAI 联创和首席研究员共同发声:RSI 真的要来了吗?)今日头条 人人都是产品经理

[2026-10-10](当 AI 开始造 AI:递归自我改进的 2026 年)36 氪

[2026-09-21](每天 7000 美元,AI 工具在 OpenAI 研究工作中的使用强度明显上升)新浪财经

[2026-09-06](Research acceleration: The view inside OpenAI)OpenAI

【免责声明】

本文关于 OpenAI RSI 报告提议的内容,整理自 OpenAI 官方研究报告及 36 氪、新浪财经等公开报道;报告中的成功率、用量和调研数据均为 OpenAI 内部测量与自报口径,存在样本和方法局限,不能直接等同于全行业水平或确定的研发贡献。本文仅作资讯梳理,不构成政策解读、投资建议或技术结论。

 
最新文章