分类： AI资讯

如果你用过最新的AI写代码，你会发现一个奇怪的现象：它解题越来越快，但出的题却越来越水。这是因为所有自我进化的AI都卡在同一个盲点上——考官永远不换。

2026年6月24日，剑桥大学、英伟达等13位研究者在arxiv发布了一篇论文，标题叫《红皇后哥德尔机：协同进化的智能体与评估者》。光看名字就知道，他们想干的事有点野——让AI的考官也跟着考生一起进化。

以前的AI自我改进，到底卡在哪

要理解这篇论文在解决什么问题，得先搞懂之前的所有AI自我改进系统是怎么工作的。

早在2003年，AI先驱Jürgen Schmidhuber提出了一个理论框架，叫「哥德尔机」——一个能改写自己代码的程序，但前提是它得先用数学证明来证明改写是改进。这个要求太难了，20多年来哥德尔机一直停留在纸面上。

2024年以后，研究者想出了实用化的近似方案：让AI生成一堆变异代码，放进沙箱里跑，留下去掉的。这套方法在软件工程基准测试上确实跑出了成绩，但它有一个根本性的限制——考官是固定的。不管AI进化到哪一步，打分的标准始终不变。

经济学里有个古德哈特定律：一个指标一旦变成目标，它就不再是一个好指标。AI对着固定考官刷题，刷到最后考官的分数已经说明不了真实能力了。

红皇后机到底改了什么

论文提出的核心机制叫「受控效用进化」。通俗地说，就是把改进过程分成一个个「 epoch」（时代），每个时代内部考官不动，保证学习信号稳定；但时代和时代之间，考官可以被替换——前提是替补考官在人类标注的真题集上考得比现任好。

这里有意思的是「选择性擦除」机制：旧考官被换掉之后，它打过分的记录会被删掉，防止带偏的记忆污染下一轮的训练信号。整条链路形成了一个闭环：AI做题 → 考官打分 → 时代更替 → 考官进化 → AI面对更难的题目。

起这个名字其实有个典故。1973年生物学家Leigh Van Valen提出「红皇后假说」：物种必须不断进化，才能维持相对于其他进化物种的适应性。论文作者觉得这跟AI的场景一模一样——考官不进化，就等于生物学上的功能性灭绝。

实验数据：数学证明和论文写作都有提升

光有理论框架不够，论文拿出了具体数字。

• 奥数级数学：协同进化的证明评分器比之前的最佳方法准确率高出9个百分点。
• 科学论文写作：协同进化的写手在AI评审团评估下，接收率比之前的自我改进智能体高出1.78至1.86倍。
• 效率：因为协同进化的代码审查器只查询一次智能体输出（而不是反复跑测试套件），完成Polyglot基准改进时使用的token数比之前的最佳系统少1.35至1.72倍。

还有一个细节值得说。在科学写作领域，最强的基线评分器会把AI生成的论文以高达1.91倍的速率「放行」——这是AI评判中已知的失败模式。红皇后机通过在每个时代边界组装对抗性AI提交物，专门奖励能正确识别并拒掉它们的评分器，把这个偏差校正了回来。

安全边界：当 safeguard 本身也成为静态基准

论文里最值得玩味的部分，是作者自己承认的安全局限。

现在的 safeguard 是那个「人类标注的真题集」——候选考官必须在上面考得好，才能接任。但问题来了：这个真题集本身，就是更高抽象层次上的一个静态基准。如果AI系统足够强，它会不会像之前的系统刷题一样，把真题集也刷穿？

论文里把这个问题直白地写了出来：相比静态评估标准，「松绑了收敛保证」。翻译过来就是：我们知道这样更好，但不能完全保证不会跑偏。

这个时间点发这样的论文，外界难免把它跟Anthropic联合创始人Jack Clark的预测联系在一起。2026年5月，Clark在牛津宇宙学讲座上给出过一个概率：到2028年底，完全自主的递归自我改进AI有60%的可能性会出现。红皇后机论文没有确认或否定这个时间线，但它把「协同进化评估者」这个关键缺失的拼图，从理论提案变成了可以运行的经验系统。

2026年2月的国际AI安全报告已经把递归自我改进基础设施列为跨国别的国家级安全风险。Clark呼吁在前沿实验室里先建好「刹车踏板」，再让能力的环路完全闭合。

红皇后机目前还只是一篇预印本，没有完成同行评审，作者也把它描述为「初步的经验性调查」。但「没有天然停止条件的改进环路」这个东西，现在是从纸上走到了代码里。

AI音乐生成平台Suno最近搞了个大动作——推出名叫Spark的孵化器项目，要给独立音乐人发钱、给资源、帮推广。听上去挺美好，但细看条款，事情没那么简单。

“好 vibes 才行”

根据Suno和参与音乐人签署的协议，里面有一条”好 vibes 才行”（Good Vibes Only）的保密和不贬损条款。翻译过来就是：拿了Suno的钱，你就不能再说Suno的坏话。

参与者”不得在任何时候以任何方式（无论是口头还是书面）发表任何将Suno、Suno员工和/或任何Suno产品或服务的形象抹黑的言论或陈述”，违反者将被移出该项目。

这个条款一曝光，立刻在音乐圈炸了锅。有人直接说这是”封口费”——拿了钱就得乖乖说好话，哪怕平台真的有问题也不能对外讲。

Suno的算盘

Suno当然不这么说。他们的官方说法是：Spark项目是为了帮助独立音乐人，提供资金、指导和市场推广支持，让更多人能用AI做出好音乐。

但眼尖的人发现，Suno正在打一场更大的仗——它不想只做一个”生成AI垃圾音乐”的玩具，而是想成为下一个流媒体平台，真正去捧红新的艺术家。

问题是，Suno目前还面临着来自各大唱片公司的诉讼，被指控未经授权使用受版权保护的音乐来训练AI模型。在这种背景下，要求参与音乐人签署不贬损条款，怎么看都有点”心虚”的意思。

独立音乐人的两难

对于独立音乐人来说，这是一个两难的选择。一方面，Suno提供的资源确实能帮到他们——在这个流量为王的时代，有个大平台给你推广，机会难得。

另一方面，签署这样的条款意味着你失去了发声的权利。如果Suno真的做了什么损害音乐人利益的事情，你签了字就只能吃哑巴亏。

• 拿了Suno的钱，你的音乐是不是就被绑死在它的平台上了？
• 如果Suno的AI训练真的侵犯了版权，参与的音乐人会不会也被牵连？
• “好 vibes 才行”的条款，会不会成为AI音乐平台的标准操作？

Spark项目已经正式启动，Suno在招募独立音乐人参与。至于会不会有音乐人因为条款问题而拒绝，或者参与之后发现被”封口”了，可能要等一段时间才会有消息。

这件事也给整个AI音乐行业提了个醒：当你用AI”赋能”创作者的时候，到底是在帮他们，还是在利用他们？

Ford最近做了一件挺值得玩味的事——把350名资深工程师重新请了回来。这些”灰胡子”工程师（业内对资深人士的戏称）有些是退休后又被返聘的老员工，有些是从供应商那边挖回来的。原因说起来有点打脸：Ford发现，AI和自动化质量系统并没有像预期的那样靠谱。

AI没能兑现的承诺

Ford首席运营官Kumar Galhotra向记者承认，公司”越来越依赖自动化质量系统”，但结果令人失望。所以Ford”带回了技术专家”，让这些老将”在零件到达工厂车间之前就寻找故障点”。

Ford车辆硬件工程副总裁Charles Poon说得更直白：”我们错误地认为，只要引入人工智能并输入我们的设计要求，就能生产出高质量的产品。”

这话听起来有点尴尬，但确实点出了一个业内都在回避的问题：AI在复杂工程任务上的表现，距离”可靠”还有不小差距。

资深工程师的回归不是倒退

需要澄清的是，Ford并不是要放弃AI。那些被重新聘请的资深工程师，一个重要任务是培训年轻员工，同时重新编程AI工具。换句话说，Ford在尝试一种”人机协同”的模式——让有经验的人把关，让AI做重复性工作。

从结果来看，这个策略似乎正在奏效。Ford预计今年能因此减少10亿美元的成本。而且在本周发布的JD Power初始质量调查中，Ford在主流品牌中排名第一。

这件事对整个AI行业意味着什么

Ford的这个案例，实际上给整个AI行业提了个醒。过去几年，大家都在讲”AI替代人工”的故事，但现实要复杂得多。

在汽车制造这种对精度和质量要求极高的行业，AI的”幻觉”问题或者”差不多就行”的倾向，可能会导致严重的质量问题。而资深工程师的价值，恰恰在于他们能凭直觉发现那些AI还没学会识别的潜在故障点。

这件事也说明，AI落地不能只靠堆算力或者上模型，还得有懂行的人参与进来。Ford的做法，或许会给其他制造业公司提供一个参考样本。

• Ford重新聘请350名资深工程师，因为AI质量系统未达预期
• 公司高管承认”错误地认为AI能直接产出高质量产品”
• 资深工程师负责在零件上线前发现故障点
• Ford并未放弃AI，而是采用”人机协同”模式
• 该策略预计今年节省10亿美元成本，JD Power质量排名提升