Google DeepMind 工程師稱 AI 自我改進仍遙遠：Argon 僅解決約半數 RE-Bench 任務

據 The Decoder 報導，Google DeepMind 工程師 Haydn Belfield 表示，團隊尚未觀察到由 AI 本身驅動、可量測的 AI 研究加速，因此 AI 自我改進距離全面自動化仍很遙遠。另一方面，AI 已撰寫超過 75% 的生產環境程式碼，但約 88% 的程式碼變更仍需要人類監督或審查，且每項變更在提交前都會由人類檢查；完全交由 AI 處理的變更比例則由 7.5% 升至 11.9%。 在 1,389 次內部 Argon 代理人執行中，任務複雜度越高、無人介入的成功率下降越明顯。Belfield 表示，人類目前仍對創意研究、新實驗設計、診斷細微訓練不穩定，以及長期規劃不可或缺；一項涵蓋 12 名 DeepMind 資深研究員的調查也顯示，AI 在定義清楚且可驗證的任務上自動化程度最高，在開放式科學構想上最低。 在包含 74 項真實機器學習工程任務的 RE-Bench 內部基準中，Argon 約能解決一半任務，高於 Gemini 3.7 Flash 的 27%，但仍遠低於全面自動化所需的近乎完美表現。Google 團隊建立的 General Capability Index（GCI）涵蓋 123 個模型與 92 項基準，結果顯示 Gemini 模型能力以每月約 0.1 個 GCI 點的穩定速度成長，沒有顯著加速；團隊認為 Gemini 4 Argon 略高於趨勢線，主要來自更多運算資源與組織投入，而非 AI 驅動的研究加速。團隊目前將 AI 驅動研究自動化的風險評為低，但正建立用於追蹤加速跡象的測量基礎設施。 這項判斷與近期研究部分一致，但並非業界共識：包括 Geoffrey Hinton、Yoshua Bengio 與 OpenAI 的 Jakub Pachocki 在內的 20 多名 AI 研究者，近期曾在一篇研究論文中警告可能出現「智慧爆炸」，認為 AI 可能在數年內自動化全部 AI 研發，將原本需數年的進展壓縮至數月。上述內容目前由 The Decoder 報導，Google 官方尚未在材料中另行證實。