Anthropic 研究员陈月汉（Chen Yueh-Han）发布论文《自动化研究人员可可靠地缓解对齐失败》，展示 AI 系统利用其他 AI 模型进行自我改进的早期实践。该系统在 10 个特定行为对齐基准测试中，于不降低整体性能的前提下提升了所有单项表现。由陈月汉领导的自动化对齐研究员（AAR）通过搜索文献、提出方法并训练模型，有效筛选出高效方案。论文指出，最佳 AAR 方法平均在六小时内优于人类专家提出的方向，且每小时 API 推理成本约 4 美元，远低于人类研究人员的 150 美元。尽管基准测试反映实际对齐目标及文献维护存在局限，但结果证明自动化对齐后训练近期可能具备可行性，推动递归自我改进进程，甚至可能导致人类 AI 研究人员逐渐被取代。