Anthropic联合创始人:AI递归自我改进2028年底前有60%概率发生,行业加速迈向自动化!

印尼稻米收成与粮食安全数据集2026年 本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。 立即下载

四年,从30秒到12小时

Clark的核心论据是一批能力进展曲线。METR是专注AI能力评估的机构,追踪AI系统独立完成任务在50%成功率水平线上,熟练人员完成该任务所需时间。2022年,GPT - 3.5需30秒;2023年,GPT - 4推到4分钟;2024年,o1到40分钟;2025年,GPT - 5.2(高配版)达6小时;2026年,Claude Opus 4.6到12小时,四年翻了1440倍!AI能力研究员Ajeya Cotra认为,2026年底前该数字有望突破100小时,达到后能覆盖许多多日级软件/研究辅助任务。

编程能力同样也在起飞

SWE - Bench衡量AI解决真实GitHub工程问题的能力,2023年底Claude 2得分2%,今年Claude Mythos Preview达93.9%,基本打穿基准。CORE - Bench测试AI独立复现论文实验结果的能力,2024年9月推出时最好成绩21.5%,2025年12月Opus 4.5在Claude Code scaffold下verified accuracy为77.78%,人工校验后为95.5%,项目方称已解决。MLE - Bench测AI独立参加Kaggle竞赛能力,覆盖75个真实比赛项目,2024年10月发布时最高分16.9%,2026年2月Gemini 3加搜索工具组合达64.4%。Anthropic内部测试让模型优化仅使用CPU的小型语言模型训练代码,2025年5月Claude Opus 4为2.9倍;2025年11月Opus 4.5为16.5倍;2026年2月Opus 4.6为30倍;2026年4月Claude Mythos Preview为52倍,不到一年从2.9倍涨到52倍。

99%的工程活,AI快接完了

AI研究中纯工程与真正创意占比是关键问题,Clark引用爱迪生名言,认为AI研究也是1%灵感和99%汗水。典型AI研究循环中,大部分工作如数据清洗、跑实验等是“汗水”。偶尔有Transformer架构、混合专家模型(MoE)等改变范式的发明,但只占1%且非瓶颈,99%工程工作正被AI快速接管。AI已能管理其他AI,Claude Code、OpenCode里单个AI可扮演“项目经理”。PostTrainBench测试AI微调开源小模型提升表现的能力,截至2026年3月,AI系统能达人类研究员效果一半左右,约25% - 28%提升幅度,人类基线是51%。Anthropic内部“自动化对齐研究”概念验证中,AI给出方案超人类研究员基线。Clark判断AI已能自动化AI工程绝大部分。

质疑声也来了

Clark帖子发出后行业有质疑。华盛顿大学机器学习教授、《终极算法》作者Pedro Domingos称从LISP在50年代发明以来AI就能构建自己,但过程收益存疑。有人质疑RSI概念边界,@crepesupreme指出2027 - 2028年概率跳升30个百分点意味着有不连续能力事件。Clark回应AI研究需创意突破才能进入“自我研发”循环,这是2027年概率低的原因,若2028年底前缺口补上概率升为60%,他强调预判的是概率而非确切时间点。还有人问为何用公开数据,Clark称公开数据有可信度,要的是可独立核验的结论。

窗口还开着,但在缩窄

Clark认为不给2027年更高概率是因AI研究对创意直觉有要求,目前只有“诱人的早期信号”,无系统性突破。他列举Gemini模型攻克Erdős数学问题和AI在发现新数学证明中的作用为早期信号。若2028年底未出现他描述的情况,说明当前技术路径有能力天花板,需人类创意突破。Anthropic在2026年3月宣布成立The Anthropic Institute时提出AI递归自我改进发生后的告知和治理问题,自身也无完整答案。Clark还给出对齐技术准确率随递归迭代下降的担忧,认为治理窗口有限且在缩窄。据奥特曼直播及媒体报道,OpenAI目标是2026年9月前让AI达“AI研究实习生”水平,2028年达更完整自动化研究员;Anthropic发表自动化对齐研究概念验证;Recursive Superintelligence完成5亿美元融资,目标之一是自动化AI研究,行业正朝此方向加速。

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar 立即下载

相关推荐

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

AI 递归自我改进:Anthropic 联创预测 2028 年前有 60% 概率实现

Anthropic 联合创始人 Jack Clark 基于多项能力基准数据,预测 AI 在 2028 年底前有 60% 概率实现递归自我改进(RSI)。本文深度解读这一判断背后的数据支撑、核心逻辑与潜在风险。

Niceyun的博客 863

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

2028,RSI降临

今天,不是两个,而是三个世界级信号同时亮起:Anthropic的Jack Clark给出了2028的时间线,DeepMind的哈萨比斯确认了全员入场,而OpenAI的Sam Altman用一场可能推迟的万亿IPO,对RSI投下了他的信任票。DeepMind自家的AlphaEvolve就是活例子:一个由Gemini驱动的进化编码智能体,用AI优化构建AI本身的代码和算法,已经解开了困扰数学家数十年的难题。80%的代码、8倍的产能、52倍的加速、19天不眠不休的独立编程、60%的概率、不到六个月的倒计时——

2501_91883294的博客 444

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

AI自我迭代倒计时:6位大佬的预测交汇于一个时间窗口

2026年6月,Anthropic发布《When AI Builds Itself》,披露了一组让整个科技圈沉默的数据:超过80%的生产代码由Claude自主编写,工程师代码产出量是2024年的8倍,训练代码优化能力从3倍加速飙升至52倍加速。

kongzhonghu的专栏 474

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

Anthropic联创:最快2028年,60%概率AI将学会自己研发下一代AI

Anthropic联合创始人Jack Clark,在他的Import AI(基于对前沿研究详细分析的AI周报)第455期发表了一篇文章。翻开各大科技公司的论文、技术博客,五花八门的技术更新早已让人感到有些疲惫。大家往往习惯性地追问,下一个真正颠覆人类认知的技术突破口到底在哪里。Jack Clark完全基于公开可查的资料预测,最迟到2028年底,AI有超过60%的概率能够完全摆脱人类干预,自主研发出下一代更聪明的系统。

SuaniCommunity的博客 265

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

Anthropic联创定下deadline:2028年AI实现自我进化,没有人类了

这意味着我们可以预期,经济中的一部分将被新一代公司占据,这些公司可能是资本密集型(因为它们拥有大量计算机),或运营开支密集型(因为它们在 AI 服务上花费大量资金并在其基础上创造价值),相比今天的企业,它们对人力的依赖相对较低 —— 因为随着 AI 系统能力持续增强,投入 AI 的边际价值会不断增长。实际上,这将表现为「机器经济」在更大「人类经济」中逐渐形成,随着时间推移,AI 运营的公司可能会开始相互交易,从而改变经济结构,并引发关于不平等和再分配的各种问题。早期的神经架构搜索,就是这类思路的一个版本。

人工智能学家 187

HC32F460的GPIO重映射实战:如何用3步搞定SPI引脚冲突问题

本文详细介绍了HC32F460的GPIO重映射功能,通过三步操作解决SPI引脚冲突问题。文章解析了HC32F460的FuncGroup功能分组机制,提供了具体的寄存器配置步骤和验证技巧,并对比了与传统方案的性能优势,帮助工程师灵活配置引脚,优化硬件设计。

t4y5u6i7o的博客 922

OpenAI前科学家加盟Anthropic,递归自我改进从论文走向工程?

Karpathy职业轨迹显示他适合此岗位,他曾是OpenAI早期研究科学家,后在特斯拉主导相关团队,还构建了‘数据引擎’闭环系统。2022年从Tesla离职,2023年回OpenAI约一年后离开,2024年创办AI教育公司Eureka Labs。预训练环节昂贵且依赖算力和经验,TechCrunch评价他是‘少数能同时跨越LLM理论和大规模训练实践的研究者之一’。

IT界那些事儿 57

Mac本地大模型实战指南:Ollama+Metal+Apple Silicon深度优化

大语言模型(LLM)本地化部署正成为开发者关键技术能力,其核心在于推理效率、硬件适配与成本控制。Apple Silicon凭借统一内存架构(UMA)和Neural Engine,为本地LLM运行提供了独特优势;Metal加速则显著提升GPU计算吞吐,使Gemma 4、Qwen 3.5等模型在M系列Mac上实现低延迟、高精度、离线可用的工程落地。相比云端API,本地方案规避了token计费、网络依赖与数据外泄风险,特别适用于企业文档处理、实时语音分析、私有知识库检索等强隐私、低时延场景。本文聚焦Mac平台,系

weixin_33443333的博客 354

TWINCAT3保姆级教程:手把手教你给Ecat从站烧录EEPROM(含XML配置避坑指南)

本文提供TWINCAT3环境下Ecat从站EEPROM烧录的完整教程,涵盖XML配置避坑指南。详细讲解环境准备、设备扫描、XML文件配置、EEPROM烧录流程及故障排查,帮助工程师高效解决设备识别问题,提升产线调试效率。

weixin_30693683的博客 518

2028年AI造AI倒计时启动!三大世界级信号亮起,人类准备好了吗?

AI强大后能形成闭环,人类从设计者变为旁观者,AI进步速度由算力决定,即“智能爆炸”。很多人质疑Jack Clark和哈萨比斯炒作,但Anthropic内部数据显示,截至2026年5月,超80%代码由Claude编写,2026年二季度工程师代码合并量是2024年的8倍。研究层面,Claude对训练小型AI代码加速显著,从3倍到52倍,远超人类研究员。而在生物等领域,循环闭合慢,成了安全阀。OpenAI发布政策蓝图,指出AI发展正被AI加速,将带来治理挑战,称RSI是“未来十年最具影响力的前沿安全议题”。

IT界那些事儿 55

如何用 OBProxy 实现 OceanBase 的最佳路由策略

本文基于业务中一类常见的路由问题展开,对OceanBase的路由功能及对应配置项做详细介绍,指导用户在业务实践中如何正确的配置路由策略及快速排查路由问题

OceanBase分布式数据库的博客 1699

AI 开启自我进化时代!Anthropic 重磅报告刷屏,人机协作迎来全新拐点

而 Anthropic 此次爆出的 AI 自我进化成果,相当于为整个行业按下了加速键,当 AI 可以自主优化自身代码、迭代模型,大模型、智能体、具身智能等技术的迭代周期都会大幅缩短,技术落地的速度也会再上一个台阶。能力的人才,会愈发珍贵。结合我自身的工作经历,近期在学习 LangChain、AI Agent 开发以及项目管理知识时,也深刻感受到:当下学习不能再局限于单一技术点,既要掌握和 AI 协作的工具与方法,也要培养全局思维、项目管控能力,学会利用 AI 提升自身效率,而不是被动被 AI 淘汰。

2601_95521069的博客 408

【OS】AUTOSAR OS系统调用产生Trap的过程详解

AUTOSAR OS系统调用产生Trap的过程详解

qq_36056498的博客 2445

CryoEM - 冷冻电镜 基于深度学习的 从头重构(Ab-initio Reconstruction) 开源项目 教程

冷冻电镜(CryoEM) 是一种成像方式,为蛋白质和其他生命基本组成部分的动态,提供独特的观察方式。从数百万噪声和随机取向的二维投影中,以计算效率高的方式,联合估计生物大分子的姿态、三维结构和构象异质性。

AGI 1564

卡神跳槽Anthropic:要搞“AI教AI“这件最危险的事!

这背后有一个无法回避的矛盾:Anthropic一直以来的品牌叙事是"AI安全优先",而递归自我改进恰恰是AI安全社区长期最担忧的能力之一。这位曾经的名人可不一般,他不仅是OpenAI最早的成员之一,还曾在特斯拉负责过AI部门,在业内地位颇高。眼下,卡帕西加入Anthropic释放了一个信号:AI产业的竞争重心正在从"用更多算力训练更大模型"转向"让AI参与自己的训练过程"。这条路潜力巨大,也确实危险。但这次跳槽的真正看点,不在他的职位头衔,而在于他要干的事情——一个被业内称为"最危险的AI方向"的工作。

Aiadsgo的博客 111

Cloud Connector RFC 访问控制深度实践:为 SAP BTP ABAP environment 打通安全、可控的远程连接

本文是一份面向企业ABAP团队与平台工程团队的Cloud Connector RFC访问控制配置指南。文章详细介绍了虚拟主机/实例号、负载均衡、资源白名单等核心概念,并提供了从零开始的配置流程。主要内容包括:通过Cloud Connector建立安全隧道的价值(零暴露、最小权限)、两种连接类型(无负载均衡/带负载均衡)的配置方法、资源白名单设置技巧,以及两个典型应用场景(Custom Code Migration远程检查与BAPI调用)的实操案例。指南基于SAP官方文档,包含落地经验与避坑建议,可帮助团队快

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 147

Anthropic:9650亿估值冲刺IPO,却呼吁全球AI急刹车,AI会脱离人类控制吗?

根据乔治敦大学内部智库安全与新兴技术中心(CSET)在1月份发布的一份报告,「随着由AI系统执行的AI研发比例的增加,其相较于纯人类研发的生产力提升」可能会增加十倍、百倍,甚至千倍。AI末日论者担心,ASI将超出人类的控制,而「递归自我提升」的开始,正是人类命运被移交给机器的时刻。目前全球最大的系统漏洞在于,我们现有的监管、法律与安全框架,仍然在用「人类速度」运行。即便AI的算法优化再精妙,新一代模型的训练依然高度依赖物理实体的建设——更多的电网、更多的散热系统,以及需要数年时间筹备的大型数据中心。

IT界那些事儿 28

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

Karpathy加盟Anthropic与九章四号:2026年5月AI人才与算力双突破

2026年5月19日(美国时间5月18日晚11点),OpenAI联合创始人Andrej Karpathy在X平台宣布加入Anthropic,引发AI圈震动。同日,中国科学技术大学潘建伟、陆朝阳团队宣布"九章四号"量子计算原型机研制成功,以3050个光子操纵规模刷新世界纪录,较全球最快超算El Capitan快10^54倍。本文深度解析这两则消息的技术背景、战略意义及对全球AI格局的深远影响。维度OpenAIAnthropicKarpathy的选择安全理念加速主义,商业化激进。

xyghehehehe的专栏 821

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

上一篇: ProgramBench测试:9大顶级AI模型通过率皆为0%,软件设计能力仍不及格!
下一篇: xAI算力利用率仅11%,扩张背后运维难题待解,能否提升至50%成关键考验
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值