@AnthropicAI：AI 研究是一系列面向下一步的决策。我们分析了人类研究者走错方向的情景，向 Claude 展示到该节点的会话，并询问它接下来该怎么做。

X AI KOLs 模型
ai-research claude anthropic benchmarking research-assistant

摘要

Anthropic 的 Mythos Preview 模型在纠正错误决策方面的表现优于人类研究者，正确率高达 64%，相比 2024 年的 22% 有显著提升，展示了 Claude 在科研辅助方面不断进步的能力。

AI 研究是一连串关于下一步的决策。我们研究了人类研究者走错方向的会话，向 Claude 展示到该节点的记录，并询问它下一步该如何行动。Mythos Preview 有 64% 的情况下比人类做得更好——而 2024 年这一比例仅为 22%。
查看原文

相似文章

@AnthropicAI：每次发布新模型时，我们都会运行相同的测试：给模型一段训练小型AI模型的代码，要求新模型对其进行加速。

X AI KOLs

Anthropic 分享了内部基准测试结果，展示了AI编码能力的显著提升：2024年5月，Claude Opus 4 在机器学习代码优化任务上平均加速约3倍；而今年4月发布的新模型 Mythos Preview 达到了约52倍加速，相比之下，一位熟练人类工程师需要4-8小时才能实现4倍加速。

Anthropic研究人员首次展示了自我改进AI的潜力

TechCrunch AI

Anthropic研究人员发表了一篇论文，介绍了一种自动化系统，该系统能够通过使用其他AI模型训练模型来可靠地提高AI对齐性，显示出在递归自我改进方面的潜力，并在某些场景中超越了人类研究人员。