新智元報道

【新智元導讀】年度最危險論文發了！英偉達打破20年封印，讓AI親手造出更狠的「考官」淘汰自己。無休止的自我進化一旦開啟，2028年ASI降臨真不是玩笑。

Anthropic徹底「RSI上頭」了！

聯合創始人Jack Clark拋出驚人預測，到2028年底，一個高度自主進化的AI就會誕生。

這個概率，是60%！

在人們還在為「2028 RSI能否實現」爭論不休時，劍橋大學、英偉達等機構聯手，丟出了一篇重磅論文——

「紅皇后哥德爾機器」（Red Queen G?del Machine）

它的運作，宛如一場殘酷的AI生存游戲：

AI自己編寫新的學習算法，并將其投入沙盒進行試煉。失敗的直接抹殺，成功的保留下來。

接著，幸存者們開啟下一輪的自我進化與繁衍。

論文地址：https://arxiv.org/pdf/2606.26294

但真正令人毛骨悚然的，是AI隨后展現出的「頓悟」：它意識到，想要不斷變強，就必須面對更加苛刻的試煉。

于是，AI開始主動「進化」自己的考官。

它親手打造出更嚴苛的裁判，來評判自己寫出的更高級的代碼。

這套機制，將AI死死鎖定在一個無休止的、瘋狂自我迭代的RSI里。

看完這37頁論文，許多人倒吸一口涼氣，「這絕對是年度最危險的AI論文」！

2028年RSI自進化

把預言寫成代碼

2003年，德國科學家Jürgen Schmidhuber曾構想過一種機器， 名為「哥德爾機」（G?del Machine）。

它的設定堪稱完美：一臺能證明自己的改進有益、然后改寫自身代碼的機器。

一旦造出來，它就能不斷自我升級，越變越強，沒有上限。

不過，「哥德爾機」有一個致命的「門檻」——

在執行任何一行自我修改的代碼前，它必須先從數學上嚴格證明：這次改動一定是有益的。

但在現實中，這幾乎是個不可能完成的任務，所需的算力堪稱「黑洞」。

于是，在之后整整20年里，哥德爾機只能躺在論文里，當一個理論上的天花板，一個誰都夠不著的思想實驗。

近兩年，學界繞開了證明這道坎。

達爾文哥德爾機（DGM） 、赫胥黎哥德爾機（HGM）干脆拋棄數學證明，改用進化——

讓AI「繁殖」出大量帶突變的代碼變體，扔進沙盒里跑分，失敗的淘汰，成功的保留，幸存者繼續繁衍。

AI跨越了最后一步，開始字面意義上「進化」自己。

但這些方法都還有一個共同的盲點——它們的考官是死的。

不管AI怎么進化，給它打分的那個評判標準、那個benchmark、那個驗證器，始終被釘死在循環之外，一動不動。

這恰恰違背了進化最核心的一條規律：

物種從不是在一個靜止的環境里優化自己，而是和不斷變化的環境一起改變。

紅皇后哥德爾機（RQGM），要破的就是這道盲點。

「紅皇后」真正殺招：讓AI造出考官

「紅皇后」這個名字，來自生物學家Van Valen 1973年提出的「紅皇后假說」——

你必須拼命奔跑，才能停在原地，因為你的對手也在進化。

RQGM干的事，正是把這句話寫成了算法：讓考官（評估器）和選手（任務智能體）一起進化。

這是整篇論文，最讓人頭皮發麻的地方。

這套精巧的機制叫「受控效用進化」（controlled utility evolution）：

• 整個搜索被切成一個個epoch；

• 在每個epoch內，評估器（考官）是凍結的，給所有考生打分，保證信號穩定；

• 只有在epoch的邊界，才允許換考官，且新考官必須在一份留出的「基準真相」錨點數據上，統計意義上打贏老考官，才能上位；

• 一旦換人，系統立刻執行「選擇性擦除」：只丟掉那些由被換掉的考官打過的分，其余證據全部保留。

換句話說，它既要狂奔進化，又要每一步都站得住腳。

真的奏效了，AI自己改代碼

光說機制太抽象，不如直接看戰績。

第一戰，寫代碼（Polyglot）。

RQGM給寫代碼的Agent配了一個"代碼評審員"當陪練。

結果，在留出測試集上，通過率從此前SOTA的69.9%提到了71.7%。

更狠的是，它達到這個成績，比對手少燒了1.35到1.72倍的token。因為那個評審員只需要查一次，比反復多輪跑測試便宜太多了。

第二戰，寫論文。

這是個沒有標準答案的領域，論文好不好，沒法機器自動判分。

RQGM讓寫手和它的評審一起進化，結果論文在一個固定評審小組里的接收率，從前SOTA的21.8%，直接飆到40.5%。

第三戰，奧賽級數學證明。

它進化出的「評分官」（grader），比靜態基線更準、搜索成本還低了3倍；

進化出的「證明選手」，拿到了最高的平均分。

但全篇最封神的一筆，是它把AI的一個老毛病給治好了。LLM當裁判，有個出了名的毛病：偏愛AI生成的內容。

論文里那個最強的基線審稿人，接受AI寫的論文的概率，是接受人類論文的最高1.91倍。

RQGM怎么治？它在epoch邊界上，把固定評審之前放過的AI論文撈出來，組成一個「對抗樣本池」，然后專門獎勵那些能把這些AI論文揪出來打回去的新評審。

進化幾輪之后，最終的評審對AI和人類一視同仁，還保住了80%的真值準確率。

當AI學會評判自己

就在同一個夏天，Anthropic聯創Jack Clark押下重注：60%的概率，2028年底前，AI將能親手締造出更強大的自己。

曾將「哥德爾機」死死困住20年的那道高墻，名為「證明」。

而「紅皇后機」將其喚醒，只用了最殘酷的一招：無休止的繁衍、淘汰、再繁衍。

當一個AI開始親自為自己設計最嚴苛的考官，在瘋狂的遞歸中將自己逼向極限，我們所面對的，將是一個開始自行定義「何為智慧」的全新物種。

當那一天到來，ASI絕不會敲門預告。

它只會默默造出那個唯一有資格評判它的裁判，然后，從容地走入考場。

預言只負責指明終點，代碼才負責抵達。

而現在，這段令人窒息的距離，正被 AI 自己，以幾何級數縮短。

參考資料：

https://x.com/HowToPrompt__/status/2070824205663273175?s=20

https://x.com/kimmonismus/status/2070968241548120168

編輯：桃子