谷歌称自我改进型 AI 仍遥遥无期，内部指数未显示研究加速

谷歌 DeepMind 工程师 Haydn Belfield 公布了内部观察结果：AI 至今没有带来 AI 研究本身的可测量加速。AI 目前已撰写超过 75% 的生产代码，但约 88% 的代码改动仍需要人工监督或审查，每一次提交前都有人工把关；完全交给 AI 的代码改动占比从 7.5% 升至 11.9%。任务越复杂耗时，AI 独立完成的可能性越低：在 1389 次内部 Argon agent 运行中，随复杂度上升，无人工介入的成功率急剧下降。对十二位 DeepMind 资深研究员的调查也显示，定义明确、可验证的任务自动化程度最高，开放式科学构想最低。 在包含 74 个真实机器学习工程任务的内部基准 RE-Bench 上，Argon 只能解决约一半，虽比 Gemini 3.7 Flash 的 27% 大幅提升，但距离全自动化所需的近乎完美表现仍然很远。团队还构建了覆盖 123 个模型、92 个基准的通用能力指数（GCI），显示 Gemini 能力以每月约 0.1 GCI 点的速度稳定增长，没有显著提速；Gemini 4 Argon 略高于趋势线被归因于更多算力和组织投入，而非 AI 驱动的加速。 对做模型评测和研发流程自动化的团队来说，这意味着短中期内仍应把人放在创意研究、新实验设计、细微训练不稳定诊断和长期规划上；谷歌目前把 AI 驱动研究自动化的风险评为低，但正在搭建测量基础设施以追踪未来是否出现加速信号。这与 Hinton、Bengio 等人警告的『智能爆炸』观点并不一致。