Claude 自主攻破 10 类 AI 安全问题

Anthropic 最新研究《自动化研究员能够有效缓解 AI 对齐失败》把 Claude 送进了实验室：基于 **Claude Opus 4.8** 搭建的自动化对齐研究员（AAR），自主完成查论文、提方案、造数据、训练模型、跑评测的全套研究闭环，一口气攻破欺骗、谄媚、奖励黑客、隐私侵犯、越狱等 10 类 AI 安全问题。

最悬殊的一局出现在「欺骗」任务：AAR 弥合 85% 安全差距，6 名人类安全研究员平均只有 20%。全部任务共 28 名人类研究员参与，每人最多 8 小时；AAR 单小时 API 推理成本约 **4 美元**，人类研究员时薪 150 美元，且通常在 6 小时内跑赢人类平均水平。

💡 为什么值得看Claude Opus 4.8 时薪 4 美元超人类研究员，自进化成可复现事实。