#AI
AI 自我改进可能没那幺快
AI 圈最激进的承诺——模型很快能自我改进、几乎无需人类监督——被一项新研究泼了冷水。**普林斯顿大学**的 Peter Kirgis 和 Sayash Kapoor 领导的多机构团队，让 Anthropic 的 **Claude Opus 4.8**（跑在 OpenClaw 上）去解答 NeurIPS 2026 两篇未公开论文的研究问题，并给足六天时间、$3,000 API 额度、GPU 算力和虚拟电脑。结果两篇产出论文都被原作者以会议标准**拒绝**。
💡 为什么值得看普林斯顿实测证明 Opus 4.8 研究论文全被拒，重挫递归自我改进预期。
查证
来源档案
MIT Technology Review
权威科技媒体对普林斯顿研究团队的独家深度报道，引用了第一作者 Kapoor 的直接表态与研究结果。
可信度高；属媒体报道而非论文原文，研究本身的局限（样本仅两篇、评估者知情）已在文中披露。
延伸阅读
文中 Kapoor 抛出「万亿美元级问题」:开放式研究对递归自我改进到底多关键——能否只靠可评测的窄任务「磨」上去，还是必须靠创造力跃迁。这是理解后续 AI 进展叙事走向的核心争论。