
OpenAI 发布内部研究加速报告,量化编程智能体对 AI 研发的提速效果
来源标题:Research Acceleration: The Jagged Frontier
OpenAI 公布内部研究加速进展,用定量与定性指标衡量编程智能体对 AI 研发周期的加速与改变。报告统计了各研究领域的 AI 提效幅度及人类参与方式,并给出代码改动行数、研究实验和内部 ECI 等产出数据。该报告是 9 月相关博客文章的更新版。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
研究加速:参差不齐的前沿
引言 投入 内部智能体使用情况 内部智能体使用相对于人力成本 研究人员如何分配时间 过程 研究活动的衡量指标 研究人员对AI使用的看法 产出 更改的代码行数 研究实验 OpenAI ECI 结论 引用 引言 投入 内部智能体使用情况 内部智能体使用相对于人力成本 研究人员如何分配时间 过程 研究活动的衡量指标 研究人员对AI使用的看法 产出 更改的代码行数 研究实验 OpenAI ECI 结论 引用 引言 今年以来,AI系统的能力不断提升,这可能增强它们自身为AI研发做出贡献的能力。今天,我们基于对编码智能体如何加速并改变AI开发周期的内部测量,提供OpenAI研究加速状况的最新进展。 本报告建立在我们9月关于OpenAI研究加速的博客文章基础之上,新增了关于以下两方面的定量与定性衡量指标:(1) AI在各研究领域的提升作用,以及(2) 人类如何继续参与研究过程。总体而言,我们相信本次更新提供了一个更全面——尽管仍不完整——的图景,展示OpenAI的研究正在如何变化。 我们分享这项工作,是因为正如我们在前沿政策蓝图中所写、并在首份研究加速报告中重申的那样,我们认为AI实验室应当被要求跟踪并公开报告递归自我改进(RSI)的指标——即AI加速未来AI系统开发的过程。 随着能力提升以及AI驱动的显著研究加速日益成为可能,我们将需要解决新的技术与治理问题,以维持人类监督并安全地扩展AI系统。因此,关于RSI指标的透明度对于公众讨论日益强大的AI的能力、风险及所需保障措施至关重要;然而,我们的报告不应被解读为有意追求完全的RSI。我们欣慰地看到,其他几个组织最近也为日益增多的AI研发加速衡量工作做出了贡献1。我们希望这份扩展后的报告有助于维持并推进业界这些共同的衡量规范。 我们将本报告分为三个部分,每部分聚焦AI研究的不同方面: 我们相信,以这种方式组织结果提供了一个有用的框架,用于思考AI如何在研究中被使用,以及这种使用可能如何促进模型能力的提升。 AI研究使用多种投入,包括数据、AI工具(如编码智能体)、人力和算力。在本报告中,我们聚焦于AI工具作为研究投入。具体而言,我们记录了编码智能体的使用强度如何在不同团队之间变化以及随时间变化。此外,虽然我们不直接报告劳动力成本的变化,但我们考察了研究人力支出占总支出的份额相对于其他要素支出随时间的变化。 自我们的首份报告以来,研究组织内部的智能体AI使用量持续呈指数级增长。按API标价计算,中位数研究人员现在每天在智能体AI工具上花费约2,400美元,第90百分位的研究人员现在每天约23,000美元,分别较9月的1,500美元和11,000美元增长了62%和105%。2 智能体使用量增长的这一趋势涵盖了多种变化,包括活动量增加、转向更昂贵的模型,以及模型行为和智能体框架的改变。 我们接下来考察每位研究人员每天平均的“智能体工作日”数,其中我们将每八小时的智能体使用定义为一个智能体工作日。与智能体支出不同,智能体工作日更好地反映了智能体实际工作的“挂钟时间”量,但不考虑模型能力或定价的变化。 总体而言,每位研究人员的智能体工作日已从0.5个智能体工作日上升到5.7个智能体工作日,增长了十一倍,其中预训练和后训练团队的增幅最大。在这些团队中,智能体运行时间平均约为每位研究人员每个日历日八个工作日。在扩展和基础设施方面,平均约为四个。我们指出,这一工作日指标通常仅包含交互式使用,因此可能低估了自动化部分。 我们9月的分析强调了研究人员对并发智能体(包括子智能体和多会话)的使用日益增多。我们在时间上进一步扩展了这一分析,并提供了更细粒度的分组。截至10月中旬,超过三分之二的纳入研究人员平均每日峰值至少有四个智能体并发工作,超过10%的研究人员平均至少有十六个并发智能体。 我们接下来将智能体AI使用的月度API等价支出与人类研究人员的月度非股权薪酬进行比较。我们跟踪这一比率,以观察随着模型能力提升,智能体与人力之间的分配如何变化。尽管我们报告的比率排除了股权(股权通常占OpenAI研究人员目标薪酬的70%至80%),但我们相信它仍能为这一支出分配提供一个部分但有信息量的视角。 截至2026年9月,OpenAI研究组织中智能体AI使用的API等价价值约为其非股权薪酬的两倍,预训练和后训练团队的比率高于研究组织其他部分。尽管如此,内部部署(结合内部Codex、ChatGPT和API使用)仅占总研究算力的2%。 劳动力成本包括工资、加班费、奖金、福利和雇主税费。 股权通常占研究人员目标薪酬的70%至80%,此处不计入。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。