当地时间2026年8月28日，Anthropic发布论文《自动化研究员能够可靠缓解对齐失效》，介绍由陈岳翰领导开发的自动化对齐研究员（AAR）系统。该系统通过文献调研、方案生成、30分钟快速训练与多轮迭代优化，在10项对齐基准测试中全部提升性能，且未损害模型整体能力。AAR平均6小时即超越人类专家方案，单小时成本仅4美元，远低于人类研究员的150美元。研究证实自动化对齐训练具备近期可行性，但依赖高质量基准测试与持续更新的文献库。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。