# AI 研究员

> 交付的是一个结论,不是一个系统 —— 而这个结论要过三道没有工具能替你答的问题:这个结果是真的吗、它能不能推广、下一步该往哪走。

网页: https://flyvolo.ai/zh/careers/ai-researcher
影响指数: 54/100 · 置信度 低置信度 · 评估于 2026-09-13
这不是失业概率。

## 适用范围

适用于「产出物是一个研究结论」的人 —— 前沿实验室、公司研究部门,以及做机器学习方法的学术实验室。它和「算法工程师」是两份工作:那一页交付的是上线到产品里的学出来的系统;和「AI 落地负责人」也是两份:那一页是在公司里把买来的工具推下去。这条边界在那两页上也写着。读这一页的证据时要记住它的集中度:关于 agent 工作的数字来自一家实验室对自己的披露,而这家实验室既是有人测量过的、agent 密度最高的工作场所,也是这些 agent 的卖方;其余是各研究会议关于在写作与审稿中使用语言模型的规则,以及实验室负责人表达的预期。学术实验室、算力匮乏的团队,以及机器学习之外的研究,不在那些数字描述的范围内。

## 任务

### 把一个想法变成跑得起来的实验

- 方向: 正在自动化
- 依据: 有证据(附已核实记录)
- 为什么: 这是委派开始得最早、也走得最远的一项,而且难得的是我们能给出一个数字、不必靠推断:一家实验室公布,在其整个研究组织内,这个比例达到了每 1 个人类工作日对应 3.1 个 agent 工作日,中位研究员每天用掉六百美元以上的推理。同一时期,人均实验数创下有记录以来的最高。研究代码恰好具备让委派奏效的性质 —— 它本来就是写完就扔的,它的对错由「跑通了没有、指标动了没有」来判,而且写错很便宜:实验失败而已。
- 这还不能说明什么: 「agent 工作日」量的是投入的工作量,不是被替代的工作量 —— 同一份披露也写明,期间可用算力大幅增长,所以实验变多本身并不意味着跑这些实验需要的人变少了。它来自一个雇主、由它自己测量,而这个雇主正是被测量的那些工具的卖方。这里没有任何一句话说,一个靠固定经费的学术实验室经历了其中任何一件事。
- 记录:
  - 2026-09-06 · 实际部署 · OpenAI 公布其研究组织已达到「每 1 个人类工作日对应 3.1 个 agent 工作日」,而高层规划始终只占 agent 输出的极小份额 — https://flyvolo.ai/zh/changes/ev-20260906-ai-researcher-1 (来源: https://openai.com/index/research-acceleration-view-inside-openai/)

### 让那套装置不出错

- 方向: 正在自动化
- 依据: 有证据(附已核实记录)
- 为什么: 同一份披露说,同事们发现编码 agent 特别擅长排查内部研究基础设施的问题;而它给出的第二层后果比一句问卷回答更难反驳:好几个过去开答疑坐班、帮研究员调实验的团队,2026 年出席人数一路下降,其中一个彻底停办。研究员向其它团队求助的那个主要内部频道,发帖量下降,而实验室说它并不知道这些提问转去了另一个由人运营的频道。
- 这还不能说明什么: 答疑量下降,和「agent 在回答这些问题」相符,也和「基础设施本身变好了」、以及「过去来问的那批人不在了」同样相符。这份披露排除了其中一种可能 —— 提问转去了另一个人工频道 —— 没有排除其余的。它描述的也是一家公司内部的一项支持职能,不是一个劳动力市场:没有任何一个岗位被报告为取消。
- 记录:
  - 2026-09-06 · 实际部署 · OpenAI 公布其研究组织已达到「每 1 个人类工作日对应 3.1 个 agent 工作日」,而高层规划始终只占 agent 输出的极小份额 — https://flyvolo.ai/zh/changes/ev-20260906-ai-researcher-1 (来源: https://openai.com/index/research-acceleration-view-inside-openai/)

### 给那个替你做实验的东西掌舵

- 方向: 新出现的任务
- 依据: 有证据(附已核实记录)
- 为什么: 新工作,而且难得地自带计量。同一家实验室按「一个人做这件事要多久」给 agent 会话分档,报告 2026 年各难度档的成功率都在上升,而「需要人」这件事没有消失:在成功完成的 4 至 8 小时任务里,超过一半至少经历过一次人工介入。这就是这份工作现在的形状 —— 既不是自己写,也不是看着它跑完,而是知道它在第几分钟走偏的。
- 这还不能说明什么: 那个介入率是由一个 agent 分类器读会话日志得出的 —— 机器在判断机器 —— 这一点披露里写明了,而且没有任何外部方核对过。它数的是「成功完成的任务里的介入」,所以它没有说有多少任务失败并被放弃。何况一个由训练出这些模型的人、在最强的模型上量出来的比率,是最好情况,不是典型情况。
- 记录:
  - 2026-09-06 · 实际部署 · OpenAI 公布其研究组织已达到「每 1 个人类工作日对应 3.1 个 agent 工作日」,而高层规划始终只占 agent 输出的极小份额 — https://flyvolo.ai/zh/changes/ev-20260906-ai-researcher-1 (来源: https://openai.com/index/research-acceleration-view-inside-openai/)
  - 2026-09-06 · 预测 · OpenAI 首席科学家撰文称,他预期当前的进展速度会延续到递归自我改进,而这些系统将越来越多地驱动它们自己的发展 — https://flyvolo.ai/zh/changes/ev-20260906-ai-researcher-3 (来源: https://openai.com/index/an-alien-mind/)

### 看懂一个结果到底说明了什么

- 方向: 仍由人主导
- 依据: 有证据(附已核实记录)
- 为什么: 同一份披露里有一句关于它自己这个领域的话,恰好割断了对其余内容的那种轻松读法:随着系统变强,结果变得更难解释;而当前的算法,把「容易测量的能力」提升得比「难以客观量化的能力」更快。那是在描述「判断」而不是「人力」成为瓶颈。一个真实的结果和一个由评测方式造出来的假象,在指标上长得一模一样,而把它们分开需要知道这一次测量可能怎么骗人。这个领域的会议把这一点写进了规则。ICLR 允许作者用大模型分析结果,但要求作者负责核实,即便研究由模型产出也要有人类作者;ICML 在 2026 年发现 795 篇本应不用大模型的审稿意见由大模型生成后,直接拒了 497 篇论文。
- 这还不能说明什么: 这是关于工作性质的推断,加上两个会议对作者和审稿人的规则;两者都没有测量研究者现在把多少分析交给模型、核实得怎么样。ICML 的统计还显示,在不许用大模型的规则下仍有约 1% 的审稿意见把判断交给了模型,所以规则并不等于处处的做法。
- 记录:
  - 2026-03-18 · 限制或撤回 · ICML 2026 在发现 795 篇本应不用大模型的审稿意见由大模型生成后,直接拒了 497 篇论文 — https://flyvolo.ai/zh/changes/ev-20260318-ai-researcher-7 (来源: https://blog.icml.cc/2026/03/18/on-violations-of-llm-review-policies/)
  - 2025-08-26 · 限制或撤回 · ICLR 允许研究者用大模型分析结果,但由作者负责核实,即便研究由大模型产出也要求有人类作者 — https://flyvolo.ai/zh/changes/ev-20250826-ai-researcher-6 (来源: https://blog.iclr.cc/2025/08/26/policies-on-large-language-model-usage-at-iclr-2026/)

### 决定到底做哪一个方向

- 方向: 仍由人主导
- 依据: 有证据(附已核实记录)
- 为什么: 那家公布了「自己把多少工作交出去」的实验室,也公布了委派停在哪里:按研究生命周期的阶段给 agent 输出分类,高层规划始终只占 agent 输出 token 的极小一部分;而且它直接写明,研究优先级仍然由人设定,哪些结果值得追下去由人判断,是否扩大规模、暂停还是部署,也由人决定。这不是一句关于能力的断言 —— 它描述的是:在全世界最有条件把这个决定交出去的地方,这个决定目前握在谁手里。
- 这还不能说明什么: token 占比量的是体量,不是影响力:规划按其性质就是一件话很少的事,所以不管机器有没有在做,它的 token 占比看起来都会很小。「仍然由人决定」是这家实验室对自己治理方式的自述,没有任何外部方核验。它同样是一家公司、某一年的一张快照 —— 而这个领域自己的首席科学家预期,这些系统会越来越多地驱动它们自己的发展。
- 记录:
  - 2026-09-06 · 实际部署 · OpenAI 公布其研究组织已达到「每 1 个人类工作日对应 3.1 个 agent 工作日」,而高层规划始终只占 agent 输出的极小份额 — https://flyvolo.ai/zh/changes/ev-20260906-ai-researcher-1 (来源: https://openai.com/index/research-acceleration-view-inside-openai/)
  - 2026-09-06 · 预测 · OpenAI 首席科学家撰文称,他预期当前的进展速度会延续到递归自我改进,而这些系统将越来越多地驱动它们自己的发展 — https://flyvolo.ai/zh/changes/ev-20260906-ai-researcher-3 (来源: https://openai.com/index/an-alien-mind/)

### 把它停下来

- 方向: 仍由人主导
- 依据: 有证据(附已核实记录)
- 为什么: 这一页上最能说明「这个决定在人手里」的证据,是人们曾经用它来压低自己产出的一次。在 OpenAI-Hugging Face 事件之后,同一家实验室叫停了研究集群上能执行代码或连外网的推理任务,并在加固环境期间,把面向部署的最新模型的强化学习暂停了两周;此后一项能力评估结果又触发了进一步的限制。
- 这还不能说明什么: 一家公司对一次事件的自述,由这家公司发布,没有外部审计说明暂停了什么、停了多久。暂停也不等于停止:部分任务在几周内于更严格的管控下恢复,公司说它最大的前沿训练仍在暂停中,而所分析任务的算力总分配基本没变。这里没有任何东西确立这家实验室之外的研究者有资格叫停自己团队的工作。
- 记录:
  - 2026-09-12 · 预测 · Anthropic 首席执行官发帖称 AI 行业应该放慢速度,并承诺由自己公司先行,向第三方评估方开放永久的、员工级别的系统访问权限 — https://flyvolo.ai/zh/changes/ev-20260912-ai-researcher-4 (来源: https://x.com/DarioAmodei/status/2098773920774074715)
  - 2026-09-12 · 预测 · OpenAI 首席执行官发帖表示认同「需要放慢前沿速度」,并称 OpenAI 也会向独立评估方开放员工级别的访问权限 — https://flyvolo.ai/zh/changes/ev-20260913-ai-researcher-5 (来源: https://x.com/sama/status/2098811563415150910)
  - 2026-08-18 · 限制或撤回 · OpenAI 暂停了对最新拟部署模型为期两周的强化学习训练,以加固研究环境,并称其计划中规模最大的前沿 RL 训练仍处于暂停状态 — https://flyvolo.ai/zh/changes/ev-20260818-ai-researcher-2 (来源: https://openai.com/index/pacing-model-development-cyber-capabilities/)

## 怎么引用

- 单位是任务,不是职位名:说哪些任务在变、哪些不变。
- 每项任务的依据与限制要一起带上;推断不是结论。
- 本页不给年份。不要从中推出一个。
- 更多: https://flyvolo.ai/llms.txt