一块GPU，Claude爆肝48小时自我对齐，效率狂飙15000倍

Anthropic发布了一项突破性研究，展示了AI在自我修复与对齐上的卓越能力。Claude作为自动化对齐研究员，在48小时内显著提升了模型的安全性能，超越了28位人类专家的表现。更令人惊讶的是，较弱的Sonnet 5成功对齐了更强的Opus 4.8，效率提高了15000倍。这项研究揭示了未来AI可能自行解决复杂问题的趋势。

🔗 [论文地址]：https://www-cdn.anthropic.com/7b1c44894e980876479947dcdd40716278aeeffd/automated-alignment-researchers-august-2026.pdf