能力变化
AlphaEvolve在可计算目标上取得局部算法结果，研发能力评估和时间跨度方法则说明完整自主研究仍有不同门槛。
整理 2026-10-14 · 原研究范围 2026-10-12
先理解研究对象
自动研发让系统提出候选方案、运行实验、读取反馈并继续改进。明确且可执行的评价器容易支撑局部优化；研究问题是否重要、实验是否有效则需要额外判断。
一个优化器可以寻找更少运算次数的算法，但如果评分只奖励短输出，它也可能学会绕过任务。先检验评价器，再谈模型是否能够自主改进。
AlphaEvolve把模型生成的候选代码接入程序评估器和进化搜索，保留表现较好的候选再继续改进。在两个4行4列矩阵相乘的问题上，找到48次复数标量乘法的精确构造，既有Strassen构造需49次。[1]
这是计算同一结果时减少复数乘法次数的算法结果，不是48次实数乘法、不证明全局最优，也不等于现代硬件运行一定更快。历史候选代码与评分被带入后续提示，这才是论文具体展示的迭代反馈方式。[1]
对应材料：AlphaEvolve 论文
既有研究报告的事实摘要与条件说明；具体引用在正文标注
METR评估的是Claude Opus 5.5，与Fable 5.1比较；在获得API访问的10个工作日窗口内使用5项任务，包括受限训练优化、编程玩游戏和开放研究报告。结论是渐进改善，部分工作可能加速，但完整自动化AI研发仍不太可能。没有公开的分项成绩继续未知。[2]
另一个团队对内部研发能力进展加速的初步估计约1.5倍，细节和期间未公开；它不是已经识别的劳动生产率或因果效应，不能推算研发人员减少比例。[2]
对应材料：METR 评估与方法
原研究事实摘要，原始配置与适用范围沿引用材料核对。
METR Time Horizon主要使用软件工程、机器学习、网络安全的自包含任务，按人类专家预计耗时拟合模型成功概率，常报告50%与80%可靠性口径。教学例子：若50%时间跨度为2小时，意思是在这类人类约需2小时的任务上，拟合成功概率约50%，不是Agent持续运行2小时；这不是本页新增实测数字。[3]
当前套件对超过16小时的估计不可靠；陌生任务泛化、创建有效反馈、恢复错误和现实授权仍需另查。原页面2026-09-08最后更新并说明停止持续更新，使用其图表要保留这个状态。[3]
对应材料：Time Horizon方法
原研究事实摘要，原始配置与适用范围沿引用材料核对。
论文发布、修订、业务进度和资料截止分别标识。未披露的事件日不补成精确日期。
AlphaEvolve论文首次提交。
arXiv v1；不是实验日 · 日期
Time Horizon页面最后更新，并说明停止持续更新。
Updates；不是研究首发日 · 日期
METR 评估与方法的原始发布记录；不代表实验在该日完成
原始页面元数据 citation_date · 日期
这份研究摘要的资料范围，不是上述事件统一发生的日期。
原研究报告事实范围 · 资料截止
工作分析（编辑推断）：可执行评估器能帮助反复搜索程序方案，但问题是否值得研究、评估是否测对目标仍由研究者确认。复用历史候选或失败经验时，应冻结最终留出任务、记录提示版本，并能回退错误改动；这不是AlphaEvolve论文测出的金融案例。
自动研发的局部提速与完整交付是不同目标。先选能自动检查的窄实验，记录失败、人工接管与可复现产物，再讨论扩大自主范围。
基准情景是自动优化器在可计算目标、软件和实验流程片段上更强，科学选题、因果解释、反例搜索与外部复现仍由研究者把关。若第三方开展前瞻性实验，预注册目标和留出集，报告总成本、研究者工时、可复现产出与失败案例，并在多个课题组复现，能力与转化速度才可上调；观察 METR 后续可披露评测、自动实验闭环及独立研发团队的实际产出质量。
正文中的编号指向下列材料。材料类别、具体支持与限制一起阅读，不能按链接数量累计独立验证。
[1] 研究预印本
AlphaEvolve 论文
支持的内容：程序反馈与48次复数标量乘法结果；不支持金融指导蒸馏或现场收益。
阅读定位：§2.1/§2.3（生成与评估配置）；§2.2/§2.5（提示/进化）；§3.1表2、附录表3（复数构造）。
按模型、任务与测量定义核对；不要将反馈搜索或概率时间跨度当整项研发完成率。
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
继承既有报告审查范围；导入未重跑或重新核验全部原始来源。文献家族未知，不计独立实验数。
结果依据继承原研究 2026-10-12，具体配置和局限需沿原文核对。
[2] 原始研究或机构项目说明
METR 评估与方法
支持的内容：指定模型与5项任务窗口、渐进改善及内部进展加速估计的限定。
阅读定位：Summary of evidence；Conclusions (A)/(B)。
按模型、任务与测量定义核对；不要将反馈搜索或概率时间跨度当整项研发完成率。
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
继承既有报告审查范围；导入未重跑或重新核验全部原始来源。文献家族未知，不计独立实验数。
结果依据继承原研究 2026-10-12，具体配置和局限需沿原文核对。
[3] 原始研究或机构项目说明
Time Horizon方法
支持的内容：时间跨度的统计定义、当前任务套件限制与停止持续更新状态。
阅读定位：Methodological Details、对应50%/80%与16小时的FAQ、Updates。
按模型、任务与测量定义核对；不要将反馈搜索或概率时间跨度当整项研发完成率。
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
继承指定研究的核验与配置范围，本次未重新复跑原始实验；文献独立家族未知。
结果依据继承原研究 2026-10-12，具体配置和局限需沿原文核对。
本页整理：2026-10-14 · 研究事实范围：2026-10-12。概念解释与既有研究展开；元数据访问不是原始实验复验。
可计算目标已有局部优化，选题、反例和外部复现不由优化分数代替。
相邻研究参考：相邻机制参考，不证明本原子通过；需实际输入、权限、独立验收和恢复。