大模型不再只充当人类的“工具”，它开始成为同类的“导师”。Anthropic近日披露的一项实验显示，其最新模型Claude已具备训练下一代Claude的能力——以每小时仅4美元的成本，在多项基准测试中跑赢了时薪150美元的人类标注研究员。这被业界视为AI“自进化”从科幻走进现实的关键一步。
从人类反馈到AI反馈：一场静悄悄的范式转移
长期以来，大模型的“对齐”依赖RLHF（基于人类反馈的强化学习），即由人类标注员对模型输出进行打分、排序、纠错，以此将模型的回答引导向符合人类偏好的方向。这个过程昂贵且缓慢，且随着模型能力逼近人类水平，普通人类反馈的质量也开始捉襟见肘。
Anthropic的实验给出了另一种答案：让已经足够强大的Claude充当“裁判”，去评估、修正尚在训练中的下一代Claude的输出。这套流程在业内被称为RLAIF（基于AI反馈的强化学习），其核心并非彻底甩开人类，而是将人类从“逐条打分”的重复劳动中解放出来，转向设定目标和审核最终结果。
4美元与150美元：成本差距背后的结构性优势
实验数据揭示了这场“AI导师”实验的核心竞争力：Claude进行反馈标注的成本仅为每小时4美元，而聘请一名合格的人类研究员需要支付150美元。在需要数万条标注样本的大规模对齐训练中，这一成本差距足以改变整个产业的算力分配逻辑。
更值得注意的是质量层面的表现。在Anthropic设计的多项偏好对齐基准测试中，由Claude“带教”出的新一代模型，其输出质量不仅没有因缺乏人类参与而下降，反而在部分维度上超过了由人类研究员主导训练的版本。这说明AI反馈并非简单地“模仿人类”，而是能够捕捉到人类标注中容易遗漏的长尾偏好和逻辑一致性要求。
自进化：从“有监督”走向“自我迭代”的临界点
这次实验最深远的意义在于它触及了AI“自进化”的核心命题。以往，每隔数月才发布一个新版本的大模型，其迭代周期受限于人类的标注速度和认知上限。而一旦AI能够训练AI，迭代的瓶颈将从“人类能提供多少有效反馈”转变为“算力能承载多少轮自我对弈”。
当然，这并不意味着人类角色被彻底剔除。在Anthropic的实践中，人类依然负责设定训练目标、设计评估体系、以及对AI反馈进行抽样审计。但分工结构已经发生实质改变：人类从“做”转向“管”，从“微观操作”转向“宏观治理”，人工智能则在“如何更具智能”这件事上开始承担起真正的执行者角色。
风险与护栏：谁来监督“导师”本身？
AI训练AI的诱惑在于效率和性能的螺旋式上升，而风险则同样来自这个“闭环”。如果一个有偏见的AI导师持续向下一代模型灌输某种特定立场，或在逻辑推理上存在隐形短板，那么这种缺陷会在代际传递中被放大而非修正。Anthropic在实验中也承认，完全脱离人类的AI自进化短期内还不可行，必须有人在环上守住最终质量关。
OpenAI、Google DeepMind等头部机构同样在布局类似的“自训练”技术路径，但Anthropic首次公开了详细的成本与效果对比数据，这让外界得以窥见“自进化”时代的真实面貌——它不是一夜之间到来的天翻地覆，而是从一个标注成本更低的实验开始，悄然改变着整个AI产业链的分工逻辑。当模型开始训练模型，人类真正的价值将不再体现在标注速度上，而体现在对智能方向的把握与驾驭中。