AI 研究员

写训练代码、写评测装置、写让这个想法根本能被测试的那套基础设施。

查清楚一次训练为什么挂了、集群为什么闲着、两台机器算出来的数为什么对不上 —— 想法与结果之间的那段管道。

盯着一个长跑的 agent 任务,察觉它走偏了,然后介入 —— 而且要反复介入,结果才值钱。

判断指标动了是不是因为你以为的那个原因、它放大之后还立不立得住、以及它离开这个基准还值不值钱。

挑出哪个方向值得押上一个团队一个季度的算力,以及该停掉哪件看起来有希望的事。

判断某件事必须暂停、加限制或者不发出去 —— 并且在进展顺利的时候,当那个把话说出口的人。

一家实验室对自己研究组织的披露,测量截至 2026 年 8 月中,而这家实验室正是它所测量的那些 agent 的卖方 —— 数字和叙述框架指向同一个方向,而那个方向对卖方有利。要和三条限制一起读。3.1 这个比例数的是投入的工作量,不是被替代的工作量;同一份文件也写明期间可用算力大幅增长。介入那个数字 —— 成功完成的 4 至 8 小时任务里超过一半至少经历一次人工介入 —— 是由一个 agent 分类器读会话日志得出的(机器在判断机器),而且不含失败并被放弃的任务。内部答疑量下降只排除了一种替代解释(提问转去了另一个人工频道),没有排除其它,比如基础设施本身变好了。这里没有任何一项是劳动力市场的测量:没有任何岗位被报告为取消,而这是有人公布过数字的、agent 密度最高的工作场所,不是一个典型场所。

企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。

一篇署名文章,不是一次测量 —— 而这个区别正是这条记录要待在一个「什么都改变不了」的阶段里的全部理由。它确立的是一个关于表态的事实:在这一天,处在这个位置上的这个人,说了这句话。其中三个判断值得分开看,因为它们能被核对的速度不同:进展会延续到递归自我改进(没有任何日期把它钉住);思维链的可监控性正在下降(文中把它呈现为内部评估结果,而不是预测);以及 AI 系统将越来越多地驱动它们自己的发展。这里没有任何一项是关于任何人工作的证据,而本站不对一条预测是否应验发布结论。结算方式是这一页本身:这个职业的那些测量就挨着它放着。

一个有资格的人,在具名、有日期、可归属的公开表态里,对未来做出了一个判断。记录它,是为了让「谁在什么时候说了什么」保持可核对 —— 而它永远不改变任务判断,因为预测不是观察。它的价值在之后才到:这条记录和那个职业的证据同在一页,读到预测的人,旁边就是「后来发生了什么」的记录。那就是结算;本站不对一条预测是否应验发布结论。

一家公司对「限制自己工作」的自述,而不寻常之处正在这里:这里的约束是自加的,不是监管来的,而且没有任何外部审计核对暂停了什么、暂停多久。文中点了两个触发点 —— OpenAI-Hugging Face 事件,此后研究集群上「可能执行代码或使用可联网工具」的推理任务被立即暂停;以及 8 月 7 日认定一个即将推出的模型可能达到公司自己准备框架里的网络安全关键能力门槛。随之而来的要求是具体的:对运行模型生成代码的工作负载做沙箱隔离、对不受信任的工作负载做网络隔离、对达到某一能力水平的模型逐 Token 监控,以及 30 分钟的告警目标;文中给出的监控开销约为被监控推理算力的 20%。暂停不是停止:部分工作负载在几周内就在更强管控下恢复,而配套披露指出,在被分析的负载上总算力分配基本未变 —— 算力流向了其它模型类别。它没有说这一家之外的任何实验室。

失败、撤回、监管或成本正在抑制采用。可以下调评估,或扩大不确定区间。

你正在被训练的那一部分 —— 写训练循环、搭评测装置、把集群哄好 —— 恰恰是「已经被交给 agent 到什么程度」有公开数字的那一部分。这不是跳过它不学的理由:一个四小时的 agent 任务,你没有亲手做过就掌不了舵。但它是「对这能给你换来什么保持诚实」的理由:它是入场券,不是位置。位置是成为那个「关于一个结果是不是真的,他的判断会被采信」的人;而最快的路,是早一点在公开场合对一个结果判断错,让一个资深的人告诉你错在哪。

你的杠杆已经从「你能造多少」挪到了「你能在脑子里同时端住几条工作线,并且端得足够稳,能察觉其中一条走偏」。那是一项真实的能力,而且不是当初雇你时看中的那项。有两件事值得在自己身上盯着。第一,你还读不读那些成功了的运行的日志 —— 介入数据说明,失败是看得见的,而安静的错答案看不见。第二,当你不再自己写代码之后,你的判断会怎样:到目前为止,能把真结果和评测造出来的假象分开的,是那些亲手搭过足够多测量装置、因而知道它会怎么骗人的人。

保住并强化

把评测接过来,而不是模型

当「写实验」被委派出去、而「读实验」没有,稀缺的位置就是那个「决定什么算一个结果」的位置。评测设计也正是这个领域自己的披露点名落后的那一环:容易测量的能力比难测量的提升得更快 —— 那句话说的就是「尺子成了瓶颈」。

调整职责

成为同时端住很多条线的那个人

被测量到的转变是研究员同时端着好几个 agent 会话,而被报告的失效方式不是 agent 不行,是人没有察觉它在哪里走偏。那是一项没有成熟培养路径的监督能力 —— 而这正是早一点握住它值钱的原因。

相邻转岗

去那些瓶颈本来就是判断的地方

那些「一次实验很贵、很慢、或不可逆」的领域 —— 生物、材料、医学、硬件 —— 没法把「跑」这一步交给 agent,所以全部价值落在「选哪个实验做」上。方法论能迁移过去;而让这个职业的建造环节可被委派的那种「便宜」,在那里并不存在。

不给年份。在这个职业上给年份尤其不诚实,因为最有条件知道的那批人,在公开场合彼此意见都不一致。你自己能量的东西更有用。把你最近十件工作过一遍,数有几件以「你写的代码」结束、有几件以「对别的东西产出的工作做出一个判断」结束。然后在那些成功了的 agent 任务里,数你不得不打断过几次。第一个比例告诉你,你现在握的是这份工作的哪一半;第二个告诉你,你握着的那一半还承不承重。这两个数字都在你自己的一周里,而且都不需要任何人的预测。

把「声明」和「测量」当成两件事看,因为它们发表在不同的文件里,而且只有一件是可核对的。那些测量 —— 每个人类工作日对应多少 agent 工作日、介入率、高层规划占输出的比重 —— 是具体的、有日期的,而且可能被后来的披露推翻。关于接下来会怎样的预期,就是预期:它们出自一批视野异常、利害也异常的人,而这两点指向同一个方向。本站只记录第一类,不记录第二类 —— 这是一条刻意划下的界限,不是一个关于谁对谁错的看法。

这个问题通常被问成「博士是不是在训练你造东西」,而它多半不是。博士真正练了四年的,恰恰是这一页上标为「留在人身上」的那一项:决定什么值得研究,以及在一群想拆掉你的人面前为一个结论辩护。那是稀缺的那一半。要提醒的地方和通常说的不一样:便宜的那一半,才是学生眼下向招聘委员会证明自己的地方;如果一个项目只训练你这一半,那么训练和市场已经分开走了。去问你要加入的那个组:学生的结果多久会被当面拆一次、上一次放弃一个方向是什么时候。

不是,而且本站刻意把它们分开,因为两者的暴露方式不同。算法工程师交付的是一个跑在真实的人身上的系统,而把那份工作替代掉一大半的,是一个「可以买的替代品」—— 一个别人训好的模型。研究员交付的是一个结论,而在那里被委派出去的,是「为这个结论生产证据」的劳动,不是结论本身。对要做选择的人来说有一个后果要紧:工程师那边的替代是可逆的,因为供应商的价格或许可会变;研究员这边的根本不是那个形状。如果你的工作在「东西上线」时结束,请去读算法工程师那一页。