METR发布递归自我改进经济学模型论文
先了解这件事
2026年9月30日，METR研究员Parker Whitfill与Tom Cunningham联合7位经济学家发布论文《The Economics of Recursive Self-Improvement》，用一系列简化模型分析AI如何加速AI研发，以及反馈效应是否强到足以形成“自我维持的加速”。METR同日发布网页笔记对该论文进行解读。同日另一篇METR网页笔记中，研究者Thomas Kwa提出一个仅8个参数的简化AI时间线模型，预测在现有算力增长与算法进步速度下，AI研发将在2032年底实现超过99%的自动化；该模型基于33参数的AI Futures模型（AIFM）简化而来，采用更保守的假设，多数模拟显示到2035年AI效率提升1000倍至1000万倍、研究产出提升300至3000倍。
AI 根据报道生成 · 10 小时前更新
事件进展
- 9月30日 23:28 · 1 篇报道METR研究员提出简化AI时间线模型预测2032年自动化METR：Notes：METR 研究者的简化 AI 时间线模型：预测约 2032 年底实现 99% AI 研发自动化
- 9月30日 23:28 · 1 篇报道METR发布递归自我改进经济学模型论文METR：Notes：METR 解读《递归自我改进的经济学》：AI 能否加速 AI 研发
报道时间线
沿着报道，了解事件的不同侧面。
- METR：NotesMETR 研究者的简化 AI 时间线模型：预测约 2032 年底实现 99% AI 研发自动化
METR 研究者 Thomas Kwa 提出一个仅 8 个参数的简化模型，预测在现有算力增长与算法进步速度下，AI 研发将在 2032 年底实现超过 99% 的自动化。该模型基于 33 参数的 AI Futures 模型（AIFM）简化而来，采用更保守的假设，多数模拟显示到 2035 年 AI 效率提升 1000 倍至 1000 万倍、研究产出提升 300 至 3000 倍。
- METR：NotesMETR 解读《递归自我改进的经济学》：AI 能否加速 AI 研发
METR 研究员 Parker Whitfill 与 Tom Cunningham 联合 7 位经济学家发布论文《The Economics of Recursive Self-Improvement》，用一系列简化模型分析 AI 如何加速 AI 研发，以及反馈效应是否强到足以形成"自我维持的加速"。
本事件热度走势
当前热度 7·可比范围峰值 10（10月1日 01:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。