先建立三个画面
RSI 不是某天突然“觉醒”。 它是一条斜率：写代码、跑实验、评审结果这些环节里，人类参与的比例一年年下降。Anthropic 现在更愿意用“AI 在多大程度上做 AI 研发”来描述它，而不是等一个开关被按下。
争论的焦点已经从“会不会发生”移到“怎么量”。 2026 年这批材料的共同点，是把“AI 造 AI”拆成可统计的任务、等级和指标，而不是停留在概念上。数字是否可信，取决于口径，所以这组笔记会反复标注“这是自报还是客观记录”“这是比例还是倍数”。
剩下的是治理问题：怎么慢，以及怎么确认别人也慢了。 这也是为什么 Dario 那篇里一半篇幅在讲验证机制，而不是讲风险本身。
这组笔记是什么
不是全文翻译。每篇是一页阅读笔记：讲什么、关键数字、值得追问的地方、原文链接。单篇 10 分钟左右能读完，原文普遍 20–40 分钟。笔记只做提要和追问，判断还是留给原文。
推荐顺序
| 顺序 | 篇目 | 原文长度 | 作用 |
|---|---|---|---|
| 1 | 当 AI 构建自身 | 30–40 分钟 | 主线：内部数据、三种未来 |
| 2 | 自动化弱到强研究员 | 20 分钟 | 技术样本：agent 自己做研究 |
| 3 | 照亮前沿 | 20–25 分钟 | 测量：三项可公开核验的指标 |
| 4 | 我们必须为前沿调速 | 20 分钟 | 政策：嵌入式评审与分级协议 |
先读 1，是因为它同时给出“发生了什么”和“作者自己哪里不确定”；先读 2 再读 1 的技术细节，会更容易判断 97% 这类数字的分量。
按你的目的选
| 你的情况 | 建议入口 |
|---|---|
| 想先知道到底发生了什么 | 当 AI 构建自身 的“数据”一节 |
| 想看技术细节和失败案例 | 自动化弱到强研究员 |
| 关心怎么监督、怎么审计 | 照亮前沿、负责任扩展政策 v3 |
| 关心政策、竞争与“该不该慢” | 我们必须为前沿调速、2028 两种情景 |
| 想核实数字、避免被口径误导 | RSI 术语与指标 |
| 想理解“8 倍”从哪来 | AI 如何改变 Anthropic 的工作 |
读的时候留意三件事
一、口径。 同一个团队在不同文章里会用“每季度 8 倍”和“每天 8 倍”；“26%”说的是任务加权后的“主导”比例，不是代码行数。先看脚注和附录，再比较数字。
二、自报偏差。 Anthropic 内部的问卷、访谈、生产力估计都来自自家员工，且多数不匿名。文章自己也引用了 METR 的结论：开发者会高估 AI 带来的提效。
三、立场。 这些文章全部出自一家前沿实验室，既是研究者也是当事人。读政策部分时，把“事实”和“主张”分开记。
系列目录
- 01 当 AI 构建自身：五阶段、外部与内部证据、三种未来
- 02 照亮前沿：AI 研发自动化指数、agent 监督、算力分配
- 03 我们必须为前沿调速：三步机制与四级协议
- 04 自动化弱到强研究员：agent 做研究的实测与意外
- 05 AI 如何改变 Anthropic 的工作：2025 年的内部调查
- 06 2028 两种全球 AI 领导权情景：竞争为什么让单边暂停不成立
- 07 负责任扩展政策 v3：能力阈值与风险报告
- 08 RSI 术语与指标：AL0–AL5、PGR、时间跨度、口径对照
推荐节奏
两个晚上。第一晚读 01 和 04，把“AI 已经能做到什么”立住；第二晚读 02 和 03，把“怎么量、怎么慢”接上。05–07 放在需要引用具体数字或政策条款时再翻。08 随时备查。
如果只有半小时：读 01 的“内部证据”和“三种未来”，再读 08 的口径表。这已经足够参与大多数关于 RSI 的讨论，而且不容易被单个数字带走。