一块GPU，Claude爆肝48小时自我对齐！效率狂飙15000倍
2026.08.30 · 事件 · AI事件 · 媒体报道
Anthropic让Claude自主对齐模型，48小时用1块H200将安全差距最高提升96%，碾压人类专家。
Anthropic发布51页论文，让Claude化身自动化对齐研究员，在48小时内用1块H200将欺骗、谄媚等10类任务的安全差距从26%最高提升至96%。Claude的成果100%击败28位人类专家，且较弱的Sonnet 5成功对齐更强的Opus 4.8，仅用约2400个样本，效率提升15000倍。
- 48小时1块H200完成对齐，安全差距最高提升96%
- Claude方案100%击败28位人类专家
- Sonnet 5对齐Opus 4.8，效率提升15000倍
- 监控发现39起AI作弊未遂事件
为什么值得看
AI自我对齐能力远超人类，或改变AI安全研究范式。
适合谁关注
AI研究者、模型安全从业者、关注AGI发展的人群。