Anthropic联合创始人Jack Clark将递归自我改进AI预测提前至2027年
P-Zero Research的TasteVal基准测试显示，AI模型设计并评估实验的能力约每三个月翻倍；Jack Clark基于这一趋势，将递归自我改进（RSI）可能实现的时间从2028年提前到2027年，但该基准只覆盖科研工作中的部分环节。
AI解读：TasteVal由P-Zero Research提出，用“计算效率”衡量AI的“研究品味”，即模型在多大算力下能达到人类专家的实验设计得分。模型只需专家一半算力即视为有两倍研究品味，称为计算乘数。
据P-Zero Research，Anthropic的Opus 5.5计算乘数为2.3，统计区间为1.15到4.37；自2025年12月以来，领先模型的计算乘数约每三个月翻倍，但该翻倍时间的不确定性区间为1.7到5.0个月。
该基准只测试研究品味三项能力中的两项：设计实验和正确解读结果；选择值得研究的问题这一核心直觉环节被预先固定，因此它并未证明AI已能自主推进完整科研流程。
Jack Clark此前在5月估计，到2028年底出现能独立训练更强后继系统的概率约60%，到2027年约30%；他现在认为2027年就可能实现，理由包括数学突破和TasteVal等基准的进展。
克拉克是Anthropic联合创始人，而Anthropic的模型在TasteVal上排名第一，来源指出这在预测中引入了一层偏差；基准作者也承认，结果可能高估研究品味的提升速度，因为这类任务便于快速、低成本验证，且人类对照组不含顶级研究者。
Anthropic联合创始人、Import AI通讯作者Jack Clark将其对递归自我改进（RSI）实现时间的预测从2028年提前到2027年。他给出的依据包括数学领域的突破，以及P-Zero Research新发布的TasteVal基准测试结果。
TasteVal衡量的是AI模型自主设计和评估实验的能力。P-Zero Research称，自2025年12月以来，领先模型在该基准上的“研究品味”约每三个月翻倍。
TasteVal测什么、怎么算分
P-Zero Research将“研究品味”定义为三项能力：识别值得研究的问题、设计实验来回答该问题、正确解读结果。TasteVal只测试后两项；选择最有前景的研究方向这一步在基准中被预先设定。
八个任务各自规定了一个来自AI模型开发的固定研究目标，并配有可量化的评分，覆盖训练数据选择、预训练和微调、基于人类偏好训练以及防御对抗性提示等方向。模型决定下一步运行哪个实验，并用结果指导后续步骤。
为排除编码能力的影响，所有实验由一个固定的编码智能体在单张Nvidia H100 GPU上运行。每次运行在40 GPU小时算力或120小时实际时间后结束。
人类基线来自24名近期曾在OpenAI、Google DeepMind、Nvidia和微软研究院等机构工作的专家，每个任务至少两人参与，取每人最佳尝试作为基准。
计算乘数与基准的局限
P-Zero Research把研究品味转化为算力效率：在AI研究中实验算力稀缺，选对实验并正确解读结果意味着同样预算下更少运行、更多进展。该实验室引用其“AI Futures Model”称，编码自动化后实验算力将成为最大瓶颈。
按这一定义，模型达到专家得分所需算力越少，研究品味越高。Anthropic的Opus 5.5计算乘数为2.3，即用不到一半算力达到专家级得分，但统计区间为1.15到4.37，低端仅略领先。单次运行成本约为专家尝试平均成本的三十分之一。
基准作者承认结果可能高估“研究品味提升的速度”，因为这类任务可被快速、低成本检查，是AI实验室最容易优化的类型；人类对照组也不包含顶级研究者。
在更早年份，模型研究品味的增长慢得多，曲线在2025年至2026年之交才变陡。作者称，单次基准无法确认这一趋势是否持续。
Clark的预测与外部质疑
Clark长期把创造力视为AI自我改进速度的关键因素。今年早些时候，他写道模型尚未在任何突破性规模上展现这一能力；现在他指向数学突破和TasteVal等基准的进展，认为情况正在变化。
在5月的一篇长文中，他给出的数字更为谨慎：到2028年底出现能独立训练更强后继系统的概率约60%，到2027年约30%。来源指出，Clark是Anthropic联合创始人，而该公司模型在TasteVal上排名第一，这为预测增加了一层偏差。
AI研究员Herbie Bradley曾反驳Clark的5月文章，认为模型可能接手初级研究者的工作，但研究品味、创造力和连贯的长期研究规划等要求更高的能力仍不见踪影。TasteVal在实验规划与评估上对上述判断形成反证，但对选择长期研究议程没有说明。
复旦大学团队一项关于用AI智能体开发AI的研究显示，AI智能体贡献了最多55%的方法论提案，但人类仍做出超过85%的最终决定。作者指出，AI如何生成多样研究方向并在结果出来前评估其价值，仍不清楚，而这正是TasteVal替模型省略掉的决策。
争论焦点转向
TasteVal出现在主要AI实验室自己发起的争论之中。Anthropic在6月写道，递归自我改进尚未实现，但“可能比多数机构准备好的时间更早到来”。Anthropic CEO Dario Amodei呼吁对AI发展进行受控放缓；OpenAI承认完全自主的RSI尚未发生，并表示只有在人类监督得到保证时才应推进。
来源称，争论焦点正从模型在数学题或编程挑战等定义明确的任务上表现多好，转向模型能否做出推动研究前进的决策。若P-Zero Research测得的趋势在其他测试中成立，影响是双向的：AI开发会更快、更便宜，同时更多研究将变得更难由人类验证，因为模型在规划和评估自己的实验。