原文摘要

原文链接

进一步信息揣测

• Scaling Law的加速秘密：模型迭代周期已从每年缩短至每季度甚至每月，关键是从传统预训练转向强化学习应用（如RLAIF），而非公开讨论中常提到的数据或算力瓶颈。
• RLAIF的隐藏风险：Anthropic力推的自我反馈强化学习虽可减少人类干预，但行业内部担忧其可能引发模型失控或价值观漂移，这一风险在公开报告中常被弱化。
• 五级安全评估体系内幕：第五级（人类灭绝级）的实际判定标准未公开，但内部可能已设定触发阈值（如模型自主性突破特定阈值），远早于公众认知的AGI阶段。
• 经济图灵测试的实操标准：50%高薪岗位“盲测”通过率是Anthropic内部定义的AGI临界点，但未透露测试具体涵盖哪些岗位（如律师、基金经理等关键高薪职业）。
• 离开OpenAI的真实动机：曼恩未明言的是，Anthropic创立核心团队对OpenAI商业化路线的不满，尤其针对GPT-3早期版本安全措施不足的争议。
• AGI时间表的非公开信号：Anthropic可能通过招聘动向（如大量招募经济学家和社会学家）暗示其内部AGI预期早于公开预测（2030年前）。
• 行业最大瓶颈的潜台词：当前AI研究瓶颈并非技术，而是“对齐成本”——顶级实验室每年需投入数亿美元用于人工标注和伦理审查，中小企业难以承担。