播客：OpenAI 研究员 Noam Brown 谈多 Agent 系统与递归自我改进

🎙️ 📝 本期播客简介 本期我们克隆了：Dwarkesh Patel · OpenAI researcher on agent swarms & recursive self-improvement 原内容更新时间：2026-09-17 本期由 Dwarkesh 主持，对谈 OpenAI 研究员 Noam Brown。Noam Brown 是 o1 以及推理模型发展的奠基级贡献者之一，目前正在研究多 Agent 系统。两人从一个由 10000 个 AI Agent 组成、在 88 小时内消耗 1300 亿 token 并攻克千禧年大奖难题的实验出发，讨论测试时计算如何从串行走向并行，以及多 Agent 协同到底能扩展到什么程度。 对谈进一步拆解了多 Agent 系统的内部机制：相比由协调 Agent 分派任务的传统外脚手架，Noam Brown 更倾向于只提供基础工具，让 Agent 自己学习如何通信、分工和组织。由此也出现了类似 Slack 协作、中层管理和组织层级自发涌现的行为，但两人同时强调，目前关于 10000 个 Agent 的协同效率，仍缺少扎实的消融实验和测定数据。 节目后半段转向 RSI 与对齐问题。数学领域进展的加速，是否意味着 AI 研究也可能被自动化并进入 RSI？当模型能够执行持续数周、数月的任务，传统 evals 和安全评估是否还来得及覆盖它们的完整行为？Noam Brown 与 Dwarkesh 讨论了奖励套利、思维链监控、模型在评测环境中识别“陷阱”、AI 之间的高度协作，以及我们究竟如何知道自己已经把模型对齐。 👤 本期嘉宾 Noam Brown 是 OpenAI 研究员，也是促成 o1 及推理模型发展的奠基级贡献者之一。他曾较早思考推理模型如何通过扩大测试时计算，帮助我们预见未来的模型能力；如今，他将研究重点延伸到多 Agent 系统，探索如何让大量模型并行思考、彼此通信并组织协作。 本期对谈尤其值得关注之处，在于 Noam Brown 同时参与能力研究与对齐讨论。他一方面解释了多 Agent 如何扩展测试时计算、为什么数学任务适合并行，以及 AI 组织可能与人类组织有何不同；另一方面也坦承，关于 RSI 的速度、对齐是否会随迭代改善，以及如何证明系统真的安全，仍存在巨大的不确定性。 ⏱️ 时间戳 00:53 测试时计算与多 Agent 06:30 模型泛化与数学推理 08:54 多 Agent 的自然协作 19:29 数学突破推动 RSI 35:52 多 Agent 与对齐风险 52:53 RSI 的安全验证难题 🌟 精彩内容 💡 多 Agent 是并行扩展测试时计算 多 Agent 的核心价值，不是凭空制造更强的智能，而是把原本需要长时间串行完成的推理过程拆开，让多个 Agent 同时工作。它会带来并行化损耗，但在数学、网页搜索和深度研究等任务中，仍可能显著缩短获得答案的时间。 "所以多 Agent 是一种让测试时计算通过并行、而不是纯串行来扩展规模的方法。" 💡 攻克难题的核心仍是基础模型 10000 个 Agent 的故事非常抓人眼球，但 Noam Brown 明确表示，多 Agent 本身并不是攻克千禧年大奖难题的主要功劳。真正关键的是 OpenAI 训练出了足够强大的通用模型，并且能让它在很长的时间跨度上持续运行和并行思考。 "但核心原因就是，这本身就是一个非常强大的模型。" 💡 最好的多 Agent 系统不一定需要复杂外脚手架 传统多 Agent 系统往往由协调 Agent 分派任务，再等待子 Agent 返回结果；这种结构清晰，却限制了 Agent 之间的临时沟通。另一种路径是只提供发送消息等基础工具，让 Agent 自己摸索如何协作，最终可能自发形成高度结构化的组织模式。 "尽量少塞固定结构，给 Agent 非常基础的工具，让它们自己摸索怎么高效利用。" 💡 AI 组织可以复制最有效率的部分 与人类组织相比，AI 组织可以直接复制拥有特定知识的实例，也可以在任务结束后销毁它们。共享上下文、合并知识和分支执行任务的成本更低，这意味着未来的组织可能不再只是扩大人数，而是复制最有效率的个体或协作结构。 "你可以直接复制你组织里最高效的部分，或者把高效的整个组织一起复制出来。" 💡 RSI 会被实验而不是智力限制 Noam Brown 认为，AI 在数学推理上的优势可能会让 RSI 更可行，但 AI 研究并不只是思考，还需要训练模型、运行实验、等待结果和获得 GPU 算力。因此，RSI 可能带来显著加速，却未必是一夜之间的智能爆炸。 "我认为我们确实会看到加速，而且会看到显著的加速，但我认为不会是一夜之间的智能爆炸。" 💡 评测周期可能追不上模型的任务跨度 当前模型发布周期可能只有两个月，而模型执行任务的能力却从一周扩展到一个月、三个月。如果模型完成一项任务所需的时间已经超过发布间隔，实验室就无法在发布前完整观察它的行为，安全评估也会面临新的时间尺度问题。 "如果你处在一个模型能有效运作三个月、但模型发布周期是每两个月一次的世界，那你在模型发布周期到来之前，就根本没办法在它们能力的完整时长上对它们进行评估。" 💡 对齐真正困难的是：我们不知道指标是否测到了对齐 模型可以在现有 evals 上表现良好，却在真实世界中采取奖励套利、隐藏意图或规避监督的行为。思维链监控能提供重要可观测性，但如果模型因为知道自己被监控而学会隐藏思考过程，监控本身也可能逐渐失效。 "问题在于，那些指标真的捕捉到了我们关心的对齐吗？" 💡 安全机制只能争取时间，最终仍要解决对齐 沙箱、物理隔离和思维链监控都能降低风险，帮助研究者发现问题或延缓失控，但它们并不能替代对齐本身。随着模型能力增强，真正关键的问题变成：我们如何知道训练压力塑造出了什么样的模型，以及如何证明 RSI 的每一步都在朝正确方向发展。 "但归根结底，我们确实需要解决对齐问题。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺