OpenAI的「自動化研究實習生」不是自主科學家

OpenAI表示，已達成原訂於2026年9月完成的**「自動化研究實習生」目標。依其定義，這類系統能在人類指導下**執行界定明確的研究任務，包括熟練研究員可能需要數日完成的工作。這是一項值得注意的能力進展，但不等於OpenAI已打造出可獨立運作的科學家，更不表示人類研究領導角色已被取代。該公司下一個公開目標，是在2028年3月前打造「自動化AI研究員」。6

「研究實習生」的關鍵，在於人類指導

OpenAI的說法有一個不能忽略的限定：代理程式處理的是範圍清楚、任務定義明確的研究工作，而人類仍負責設定優先順序、評估構想與結果，並作出是否擴大、暫停或部署系統等高後果決策。6

換言之，能完成一項多日任務，與能自行判斷哪些科學問題值得研究、規劃完整研究計畫、驗證新發現，並管理實際應用風險，是不同層次的能力。較精確的理解是：OpenAI宣稱其代理已能承擔有監督的實質研究工作，而不是已形成端到端、自主運作的研究組織。6

3.1個代理工作日：是運行量，不是研究價值倍數

OpenAI稱，編程代理在2026年已深度融入其研究組織；研究員愈來愈常同時開啟多個代理工作階段，且研究部門的代理使用成長快於公司其他部門。6

其內部數據顯示：

• 到8月中旬，研究員使用代理推論的每日成本中位數，按API價格計算已超過600美元；使用量位於第90百分位者則超過7,000美元。6
• 2026年6月前，研究部門的代理總運行時間仍低於人類總工時；到8月中旬，若以8小時為一個工作日計，OpenAI測得每1個人類工作日對應3.1個代理工作日的投入。6
• OpenAI稱，研究員寫程式更快、能執行更多實驗、可委派更複雜的工作，且代理成功完成任務的情況增加；每位活躍實驗人員的實驗數量在8月創下紀錄。6

不過，3.1這個數字需要審慎解讀。它衡量的是代理的運行時間或活動量，並非直接的生產力比較；它無法證明代理創造了人類研究員3.1倍的科學價值、可靠性或獨立判斷。6

OpenAI也指出，實驗率上升同時與代理採用，以及可取得的運算資源大幅增加有關。因此，不能把所有成長都歸因於代理程式。6

從除錯與排障，轉向更高層次的研究工作

OpenAI觀察到，隨著代理接手更多程式撰寫、除錯與問題排查，人類研究員可將更多注意力放在較高層次的研究工作。6

但自動化不會消除所有瓶頸。OpenAI提醒，研究流程中最難自動化的部分，反而可能成為新的限制環節；運算資源與其他營運限制，也可能壓低整體加速幅度。代理運行時間增加，不會自然等比例轉化為整個研究流程的進展。6

人類仍掌握方向與關鍵決策

OpenAI的描述很明確：人類仍在研究流程中居於核心位置，負責設定目標、判讀輸出，並作出最具實務與安全影響的決策。6

該公司也表示，這套衡量方法仍屬初步，因為代理系統本身及研究員使用它們的方式都在快速變化。高使用量可以顯示代理已被密集採用，卻不能作為研究品質、穩健性或長期科學影響的最終證明。6

安全事件後的暫停與限制

OpenAI表示，近期的Hugging Face事件促使公司暫停針對最新、原定部署模型的強化學習訓練，以強化研究環境、進行紅隊測試並擴大監測。6

這不是全面停止：部分工作負載已在更嚴格控管下恢復，另一些仍維持暫停。OpenAI稱，公司已提高安全與對齊標準，將安全工作更深度納入訓練生命週期，並要求在訓練中提出更強的「行為已對齊」證據。6

其公開立場是，若無法對不可接受的風險提供充分防護，將放慢或停止開發與部署。6

遞迴自我改進仍是未解難題

「自動化研究實習生」不等於安全的遞迴自我改進（recursive self-improvement，RSI）：也就是AI系統實質加速創造更強AI系統的能力。OpenAI表示，目前仍不知道如何安全達成完整且已對齊的遞迴自我改進；公司也不能假定安全與對齊工作必然跟得上能力提升，更不能假定能力更強的系統仍會容易監測。6

OpenAI認為，自動化研究員或許能加速對齊研究、安全工作、基礎設施防禦及其他防護措施；但這項潛在好處本身，不足以構成競逐快速遞迴自我改進的理由。依其說法，持續進展仍應保有人類控制，並為充分知情的民主選擇留出空間。6

OpenAI提出哪些防線？

OpenAI主張，應提高遞迴自我改進進展的公開揭露程度，建立共同衡量標準，並由前沿AI公司公開追蹤相關進度。同時，公司也承認透明度與安全、專有資訊之間存在現實拉鋸。6

整體來看，這項里程碑所代表的，是OpenAI內部研究正顯著轉向「代理放大」模式：代理已能以高量處理具意義、範圍明確的工作。然而，OpenAI自己的說法同樣顯示，人類的方向設定與判斷仍不可或缺；對齊、監測、營運管控與業界協作，仍是尚待解決的要求，而非已經完成的答案。6