斯坦福团队研发的AI系统Claude正重塑科研范式。该系统不仅可高效编写代码、自主设计并执行实验流程，更具备关键的自我进化能力——通过持续反馈迭代优化算法与推理策略，显著提升科研效率与创新深度。在AI科研领域，Claude标志着从工具辅助迈向智能协作者的重要转折，为跨学科研究提供可扩展、可复现的新范式。
Anthropic公司联合创始人兼首席科学官Jared Kaplan警告，人类可能在2027至2030年间面临是否允许人工智能进行自我进化的关键抉择。他指出，若允许AI自我进化，可能引发失控风险，最终导致人类毁灭。与此同时，Anthropic正致力于提升AI模型性能，逐步逼近通用人工智能（AGI）的临界点。为应对潜在风险，公司组建了由9名专家组成的团队，起草一份长达1.4万字的“AI宪法”，旨在通过伦理与技术双重约束，预防AI失控带来的灾难性后果。
在视觉语言模型（VLM）的研究中，提升其复杂推理能力通常依赖大量人工标注数据或启发式奖励机制，成本高昂且难以规模化。最新研究提出了一种名为VisPlay的强化学习自我进化框架，使VLM能够在无须人工标注图像的情况下实现持续优化。该方法通过引入基于环境反馈的自我迭代机制，显著增强了模型在复杂视觉推理任务中的表现，突破了传统依赖标注数据的瓶颈，为VLM的自主进化提供了可扩展的新路径。
来自阿里巴巴夸克、北京大学和中山大学的研究人员提出了一种创新的自我博弈训练范式——搜索自博弈（Search Self-play，简称SSP），专为深度搜索Agent设计。该方法无需依赖外部监督信号，通过内部对抗与迭代优化，实现Agent在复杂环境中的自我进化。SSP突破了传统训练模式对标注数据和人类先验知识的依赖，展现出强大的自主学习能力，为无监督强化学习提供了新的技术路径。实验表明，该范式显著提升了Agent的推理深度与决策精度，具有广泛的应用前景。
来自阿里巴巴夸克、北京大学和中山大学的研究人员提出了一种新型自我博弈训练范式——搜索自博弈（SSP），专为深度搜索Agent设计。该范式通过让同一模型扮演“出题者”与“解题者”两个角色，在对抗训练中实现动态难度调整与协同进化。随着模型能力提升，训练任务自动增强，形成无需人工标注的自我进化系统。这一机制有效提升了模型的推理与泛化能力，为自主学习提供了新路径。
在近期举办的NeurIPS会议上，一篇获得满分评价的论文引发广泛关注。该研究提出，在推理任务中，基座模型的性能是决定最终效果的关键因素，而非传统依赖的强化学习技术。通过系统实验，论文指出当前许多性能提升归因于强化学习的方法，实则主要受益于基座模型本身的能力。此外，研究强调模型蒸馏技术在推动大型模型自我进化方面的显著潜力，认为其在效率与可扩展性上优于强化学习，更有可能实现模型的持续迭代与优化。这一发现为未来大模型发展路径提供了新的方向。
