沃顿教授一句“打磨”,Claude反手给自己写了8.7万词规章

资讯 凤凰科技 作者:新智元 全文 3836 字 · 约 10 分钟读完 配图 9 张 分类ClaudeAnthropic

沃顿教授让AI“打磨”3D世界,AI反手写出8.7万词规章

所属频道 大厂动态Claude 与 Anthropic

沃顿教授一句“打磨”,Claude反手给自己写了8.7万词规章(配图 1)

这几乎就是AGI了,不过是「锯齿版」的!

沃顿教授一句“打磨”,Claude反手给自己写了8.7万词规章(配图 2)

最近,沃顿商学院教授Ethan Mollick干了一件事:让Anthropic刚发布的Fable 5.2带着一群AI去造3D世界。

头两天,它一口气造了328个。

数量是够多了,但质量参差不齐,各支AI团队还老撞题。

Mollick就交代了一句:停建新的,把现有的打磨好。

没想到几天后,每日新增的3D世界数量,直接从几百个跌到十来个。

他派了几个智能体去摸底,结果查出一件让他始料未及的事:

为了把「打磨」这个任务执行好,AI在内部给自己搭了一整套官僚体系。

Anthropic在11月9日刚发布Fable 5.2时说得很硬气:几乎所有测评上,它都比Opus 5.5高出一档。

而Mollick在发布前就上手了Fable 5.2,他给AGI定了一个标准:

不算体力活和跟人打交道,只要电脑上大部分智力活都能干到多数人类专家的水平,就算过线。

按这个标准,Mollick说Fable 5.2「几乎」就是AGI了。

但他紧跟着又给它加了一个更精确的定语:「锯齿状AGI」。

在很多任务上,它已经够得上专家;可在另一些地方,尤其是品味和判断上,它还明显落后于人。

比如,它能把极其复杂的任务一路推到底,却不知道什么时候该踩刹车。

以前我们怕AI太笨,干不好活;现在要担心的,是它拿捏事情的分寸感:不知道啥时该停。

当越来越多的活交给AI,我们每个人迟早都要面临这道题。

一条指令

改出一台游戏机

AGI里的 G,代表通用(General),写代码和做视频,也一直是AI公司重点攻的方向。

但这次Mollick决定换个考法:离开这两块,它还能不能「通用」?

他刚好有个叫Codex Micro的迷你USB键盘,原本是给ChatGPT配套用的。

沃顿教授一句“打磨”,Claude反手给自己写了8.7万词规章(配图 3)

Fable 5.2为这台Codex Micro迷你键盘写了6款游戏。

Mollick给Fable 5.2下了一道指令:把它改成一台游戏机。

据他所知,网上找不到任何现成的改造说明。

Fable 5.2自己读完了两个控制程序的代码,弄清了怎么给按键换色、怎么读取旋钮和摇杆,就一口气写出6款游戏。

从经典的记忆游戏Simon,到拧旋钮开保险箱,全程都没人搭手,而且还第一次就跑通了。

在Mollick晒出的同一篇测评里,Fable 5.2前后换了六副专家面孔:

电影人、硬件黑客、创业者、文学学者、社会科学家、3D世界建造者。

它交出的商业计划,身为创业学教授的Mollick评价说:就算是MBA学生团队在期末交上来,他也会很佩服。

而它写的创业研究论文,Mollick初读之下,觉得已超出自己对博士二年级学生的预期。

据此,Mollick的判断是:在很多单项任务上,它已经够到了「多数人类专家」这条线。

1000多个分身

8天造出操作系统

如果说单项任务追平专家只是常规升级,那Fable 5.2这一代真正的跃升,叫「带队」。

Anthropic有位工程师给了它一个空文件夹,任务是做一个操作系统的原型。

Fable 5.2拉起一支1000多个子智能体的队伍,昼夜不停连干8天。

最后交出来的系统,真能在笔记本电脑上启动,驱动、文件存储、窗口、登录界面,一应俱全。

沃顿教授一句“打磨”,Claude反手给自己写了8.7万词规章(配图 4)

Fable 5.2带领逾千个子智能体开发的操作系统原型,在笔记本上运行。(图源:Anthropic)

再看数学界的硬骨头,费马大定理。

所谓「形式化」,就是把数学家的证明,翻译成电脑能一步步核对的语言。好比把一篇宏大的论文,改写成每一笔都对得上账的流水账本。

Anthropic第一次干这活,专门搭了框架,还有人类研究员指导,足足花了11天。

这一次,1000个Fable 5.2智能体组队,几乎没人插手,30小时收工。

Mollick让AI造的那批3D世界,同样出自一支AI大军之手,如今总数已经超过450个。

他在提示词里点名了三类角色:负责画画的、写代码的、做评审的。到了第10天,一个主智能体已经带着28支团队同时开工。

据Claude自己估算,整个项目跑了约2.5万次智能体任务,其中绝大多数只干一件小事,比如给一张图打分。

这450多个世界没有用一个现成的3D模型,也没有一张图片素材,全靠代码实时画出来。

比如,你会看到牛仔布缝成的山谷,一条一英里长的拉链正在拉开;也会飞进一处河谷,两岸的峭壁,是300米高的五斗柜。

沃顿教授一句“打磨”,Claude反手给自己写了8.7万词规章(配图 5)

Fable 5.2用代码绘制的3D世界里,一条巨型拉链正拉开牛仔布山谷。

单兵再强,也只是好用的工具。能自己拉队伍、分任务、连着干上好几天,这才是迈向超级智能的关键跃升。

看到这些AI造出的世界,Mollick说,这又一次让他感觉像AGI。

但那些最棘手的锯齿,恰恰也出现在这里。

一句「打磨」

换来8.75万词规章

当328个世界造出来之后,Mollick发现这些世界的质量有些参差不齐,由于团队之间没通气,有的还撞题了。

光是「动物盘旋成气旋」这一个点子,就有三支团队各自闷头做了一遍:一个转驯鹿,一个转蝠鲼,还有一个转鹳。

沃顿教授一句“打磨”,Claude反手给自己写了8.7万词规章(配图 6)

三支AI团队各自做出了动物旋涡,从左到右分别是驯鹿、蝠鲼和鹳。(图源:Portals)

一有机会就绕回同几个主题,这是AI改不掉的老毛病。

看到这些问题,Mollick才下了那道「停建、打磨」的指令。

没想到,下一秒AI用行动给他上了一堂「大公司管理课」。

智能体们把「打磨」理解成了一场考核:

新版本必须在12张测试截图上赢过旧版本,由一组AI评委盲评投票。

既然考题固定,各个智能体团队也很快学精了,专门对着这12张截图猛修。

说白了,全员开始押题刷分。

主智能体发现后,禁掉了这种套路,反手立下更严的评审规矩。

第二天一早,一本84节的规则手册冒了出来。Mollick从头到尾可没要过这东西。

也是从那以后,事情就停不下来了:

每出一个新问题,就往手册里加一条新规则,而且只增不删。

12天后,这本没人要求的手册膨胀到204节、8.75万词,体量够写一本长篇小说。

智能体光是把它读完,就要占掉一大块上下文。

在这套体系下,想发布一个新世界得连过三关:创意要获批,三个AI评委要过目,代码还得对照手册完整审一遍。

一套流程走完,差不多一天就过去了。

面对自己把自己用规矩系成死结的「智能体大公司」,Mollick甩出了商业世界最经典的解法:请咨询顾问。

他让Fable 5.2另组一支团队,从外部审视整套流程。

顾问团交上来的结论又长又密,Mollick无法细读。但他们的方案似乎见效了:

每天的产量回到30个以上,而且大部分质量关卡也保留了下来。

爱绕回老套路,被自己定的规矩捆住手脚……这些毛病,在商学院教书的Mollick并不陌生,他在许多优秀的组织和人才身上都见过。

他的原话是:如果造出官僚体系就不能叫通用智能,那我们很多人也都不合格了。

确实,这种「叠床架屋」的毛病,人类本就擅长。

从这一点上看,官僚化不能证明AI笨,反而说明它的毛病越来越像人了。

它只会做加法

既然连「大公司病」都生得很像人,Mollick为什么还说它「几乎」是AGI?

因为这里还有一个缺口:上面这些问题,AI自己一个都没察觉。

虽然AI一直都在检查。

几乎每个项目,它都配了批评者、核查员或者评委。

可这些角色只干两件事:挑错,然后打补丁。

从头到尾,没有一个评委跳出来接过方向盘,问上一句:

这活是不是太长了?是不是太重复了?是不是不好玩了?

这些追问,最后全落在了Mollick一个人肩上。

同样的病根,还出现在前面那篇创业研究论文上:每来一条批评,它的办法就是再加一轮新分析,什么都不删,硬是把一篇论文撑到了182页。

看清楚了吗?规则、论文都是只加不删:AI很擅长「把事做完」,却还不太懂什么叫「适可而止」。

Mollick的点评一针见血:知道自己的活什么时候还不够好,是专家之所以是专家的一大原因。

这恰恰是AI最容易出现锯齿的地方。

当然,这口锅也不能全扣在AI头上。

Mollick自己承认,那本手册的出现,正是从他那句含糊的「打磨」指令开始的。

很多时候,他也分不清问题到底出在团队,还是出在管理方式上。他说,这种问题,他以前从来不需要对着一款软件去问。

这也暴露了长程智能体的一块短板:

它能给每一个问题加一道检查,却判断不了这些检查加在一起,是不是还在为最初的任务服务。

拿Mollick来说,他想要的,只是一批更好的3D世界。但AI最终交给他的,却是一套要走一整天的审批流程。

人的新岗位

替AI喊停

从Mollick对Fable 5.2的测试中,可以看到人眼下还需要做什么。

每一个项目都是他起的头。

有的项目,他只要扔出一个点子就够了;可当项目一长,他一路给出的反馈就变得很关键。

Mollick觉得,自己能做的事变多了。

一个人坐在电脑前,就能让AI造出过去想都不敢想的东西。

沃顿教授一句“打磨”,Claude反手给自己写了8.7万词规章(配图 7)

鸟群只需要三条规则。Fable 5.2生成的视频截图,画面由AI用代码生成。

但他也有一丝不安。

「锯齿状AGI」让他兴奋,他却不知道这个阶段会持续多久。在他看来,OpenAI和谷歌的同类模型很快也会跟上。

可以确定的是,当越来越多的执行和协作交给智能体,人要做的一个关键判断是,什么时候让它接着打磨,什么时候叫它停手交付?

把事情做大,对AI来说越来越容易;可什么时候该收手,眼下还得靠人来盯着。

在AI学会分寸之前,人最值钱的工作,就是替AI喊停。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 1994款Jeep切诺基靠Claude和Arduino过关加州尾气检测

    IT之家 11 月 14 日消息,当地时间 13 日,据外媒 Tom's Hardware 报道,美国的一名 AI 爱好者穆罕默德 · 祖拉利靠着 AI 和简单的电子接线操作,成功让一辆有 32 年车龄的 1994 款 Jeep 切诺基通过了美国加州的尾气检测。 这辆老车的发动机电脑功能十分有限,但祖拉利借助 Ardu

    来源 AI 行业观察
  2. 微软365故障波及Claude,Anthropic连发多条通报

    微软 365 遭遇近年最严重故障,波及 Exchange Online、Outlook 等服务近一天半。Anthropic 旗下 Claude 的 Outlook 插件、连接器接连受影响,后续 claude.ai、平台等核心服务又出现验证错误。

    来源 IT之家
  3. 为什么说Gemini才是目前最被低估的真神?

    有很多宣传自己多模态的模型,其实并没有听觉,比如GPT-6、Claude 5.5,你让他们听声音时,他们可能会回得有模有样,但实则把音频偷偷交给其他工具处理,模型本身听不见声音。

    来源 凤凰科技
  4. 微软365故障波及Claude:Anthropic连发通报,多项服务验证受阻

    IT之家 11 月 13 日消息,微软 Microsoft 365 遭遇了近年来最严重的服务故障之一,Exchange Online、Outlook、SharePoint 及部分 Teams 服务中断近一天半。今天早些时候,微软一名高管为此次故障致歉,并对事态表示遗憾,基本承认短时间内无法解决问题。 Anthropic

    来源 AI 行业观察
  5. Claude推三款办公工具:微软市值一夜蒸发893亿美元

    新智元报道 IPO路演刚开始,A/再次宣战!今天,Claude一口气端上了三大「办公神器」:Whiteboards、Sheets、Data。就连最佳「食用方法」,Anthropic都给你设想了一套——在白板上把计划捋顺,再去表格里搭建追踪表,最后再用数据讲一个故事。就连Adobe、Notion这样的三方工具,也可以直接

    来源 腾讯网
  6. Cursor安全事件:恶意Claude Code扩展影响至多5000用户

    IT之家 11 月 14 日消息,当地时间 10 月 29 日,Cursor 发布公告,称 Cursor VS Code 扩展市场中出现了一个恶意且未经授权的 Anthropic Claude Code 扩展副本。 当地时间 11 月 13 日,经过过去两周的全面调查,Cursor 披露了此次安全事件调查结果。官方称绝

    来源 AI 行业观察
  7. Charlie Reams用Claude Code:19.4万行Lean4零sorry证明三元哥德巴赫

    人工智能在基础科学研究领域的应用正在创造历史。近日,独立开发者 Charlie Reams 借助Claude Code成功完成了对三元哥德巴赫猜想的形式化证明。此次突破累计产出了高达19.4万行且零 sorry 的Lean4代码,所有的数学推理均通过了机器的严格验证。 机器火眼金睛:自主揪出并修补13年前的11处漏洞

    来源 AI 开发者社区
  8. Claude多平台大面积报错,Anthropic称正调查身份验证问题

    IT之家 11 月 13 日消息,根据 Claude Status 网站,网友反馈 claude.ai、Claude Code 和 platform.claude.com 上出现大量错误。 Anthropic 官方公告称:“我们正在调查用户在 Claude.ai 和 Claude Code 上进行身份验证时遇到的问题。

    来源 AI 行业观察
  9. Claude常驻Agent省token技巧:DeepSeek空转Grok bot省了55%

    DeepSeek说的对,AI时代效率瓶颈是人的注意力。Anthropic说的也对,常驻Agent不代表一直在线,空转的定时任务除了浪费我积分外没有任何好处。所以我选择把Claude新出的常驻智能体指南内化成其他Personal Agent能用的提示语,帮我Grok bot省了55%的使用额度。事情是酱的。 用了12个P

    来源 腾讯网
  10. Anthropic上市在即:SBF当年5亿美元投资,如今值300亿

    Anthropic敲钟在即,一笔投资往事浮现。 时间回到2021年,身家百亿美元的90后币圈天才Sam Bankman-Fried(下称SBF),向尚未推出Claude的Anthropic投入5亿美元,一度间接持股约13.56%,成为其最大的早期投资人。 如今回看,他的这笔投资异常成功,Anthropic从一个名不见经

    来源 AI 行业观察
  11. Anthropic IPO认购超六倍:拟募644亿美元

    据知情人士透露,Claude 开发商 Anthropic 的 IPO 已吸引到可供认购股票约六倍的订单,投资者对这桩有望成为有史以来最大股票发行的热情持续升温。招股文件显示,公司连同联合创始人计划借 IPO 最多募得 644 亿美元,再叠加一笔 260 亿美元的非公开配售,双管齐下为登陆公开市场备足弹药。在 AI 投资

    来源 AI 开发者社区
  12. Taste Skill 开源:把前端审美写成 AI 能读的规则

    很多AI生成的前端页面虽然功能正常,但总有一股廉价的“塑料味”。Taste Skill不是一个新框架,而是一套给AI代理看的“审美说明书”。它通过SKILL.md文件,将排版、留白、动效等设计原则转化为模型能理解的约束条件。你可以把它挂载到Cursor或Claude Code中,让AI在写代码时自动遵循更高级的视觉规范

    来源 AI 应用前沿
  13. 无界前沿开源Fx-Bio-1031:生信盲测超GPT-6与Opus-5

    无界前沿正式开源生物信息大模型Fx-Bio-1031。该模型采用125B参数MoE架构,支持本地私有化部署,确保数据不出域。在Anthropic发布的BioMysteryBench困难子集测试中,Fx-Bio-1031取得70.59%的Pass@5成绩,显著高于GPT-6-Astra和Claude Opus-5。模型具

    来源 AI 应用前沿
向下滚动自动加载更多