阿凱📝 主編觀點 · 技術趨勢解讀 — 技術上發生什麼，為什麼重要，背後的原理是什麼
OpenAI 的 AI 研究實習生轉正了，但誰來當口試官？
OpenAI 這禮拜低調宣布一件事：他們已經達成「自動化研究實習生」的目標，下一站是 2028 年 3 月前推出更強版本——正式的「自動化 AI 研究員」。聽起來像是內部里程碑公告，但拆開看,這其實是在講一件很具體的事：AI 現在能自己讀文獻、提假設、設計實驗、寫程式跑驗證、解讀結果，把整個科研迴圈跑完，不用人類在旁邊盯著。
這跟過去的「AI 寫程式」完全是不同量級的事。寫程式有明確的對錯——能跑就是能跑,測試過了就是過了。但科學研究的產出是「這個假設有沒有意義」「這個實驗設計合不合理」,這種東西沒有 compile error 可以抓。換句話說,AI 要當研究員,得先學會博士生被電三年才學會的那套「品味」——知道哪些問題值得問,哪些結果是雜訊。
有趣的是,同一時間 Hugging Face Blog 丟出一篇文章叫 BenchMIRT,質疑現有的 LLM 基準測試根本沒在測真正的能力。這兩則新聞放在一起看很諷刺：我們連「怎麼衡量一個模型會不會寫程式」都還吵不出共識,現在卻要它去做「怎麼衡量一個假設值不值得驗證」這種更難的判斷。
科學界原本靠同行評審擋雜訊,但如果 AI 研究員的產出速度是人類的百倍,審稿人根本讀不完,更別說判斷品質。到時候真正的瓶頸不會是「AI 能不能做研究」,而是「人類還有沒有能力驗收 AI 做出來的研究」。
2028 年那個「更強版本」上線時,問題不會是它夠不夠聰明,而是我們有沒有準備好一套新的評審機制去接住它的產出。目前看起來,沒有。
素材來源：Engadget — OpenAI 達成自動化研究實習生目標，預計 2028 年推出更強版本 ↗ 、 Hugging Face Blog — BenchMIRT：LLM 基準測試究竟在測量什麼？ ↗
