文章核心观点 - OpenAI推出ChatGPT Pulse功能，标志着AI从被动响应工具向主动日常助手转型，为LLM进入主动智能时代奠定基础 [1][2] - OpenAI未来核心研究目标是构建“自动化研究员”，旨在实现新知识发现全过程自动化，并将有效推理时间跨度从当前的1-5小时系统性地延长 [2][4][6] - 行业评估体系正经历范式转变，从传统基准测试转向IMO等高难度竞赛，并最终以模型在具有实际经济价值的开放问题上做出原创科学发现为前沿标尺 [4][8][9] - 主动智能成为未来AI应用核心竞争力，技术突破体现在从被动问答转向具备长时程规划、记忆保持和多步骤任务执行能力的主动推理 [2][3][4] 构建自动化研究员 - OpenAI未来一至五年明确目标为创造“自动化研究员”，实现机器学习、物理、数学等科学领域新知发现的全流程自动化 [4][6] - 衡量该目标进展的有效方法是看模型能在多长“时间跨度”内进行有效推理，当前模型在高中水平编程数学竞赛中接近精通，对应时间跨度约为1到5小时 [6] - 实现“自动化研究员”需攻克两大核心技术挑战：长时程规划能力与记忆保持能力 [7][10] 评估的新方向：从竞赛走向科研前沿 - 传统评估基准迅速接近饱和，模型表现从96%提升至98%已非最重要目标，模型训练范式从追求泛化转向打造“领域专家” [4][8] - 行业正处于优质评估方法相对匮乏阶段，OpenAI关注能标志模型发现新事物的“真实进展”，IMO等竞赛成为极佳真实世界指标 [8][9] - 随着竞赛本身趋于饱和，下一阶段评估将直接衡量模型在具有实际经济价值的问题上能否做出真正探索和发现 [4][9] 推理：统一深度与稳定的关键 - 模型智能体演进中存在的“稳定性”与“深度”矛盾被重新定义，二者本质是内在统一的问题，均依赖于模型在长时程中保持行为一致性的能力 [4][12] - 推理是实现能力统一的根本机制，是模型在长时间内反复执行“试错-反思-调整”自我修正循环的核心能力，赋予智能体长期鲁棒性 [4][13][14] - 最新推理模型证明，随着底层推理能力增强，模型长时程代理能力和每一步执行质量是同步提升的，而非相互牺牲 [12] 可验证与开放性：一条模糊的界线 - “可验证”与“开放性”界限随问题时间跨度和规模变得模糊，当“千禧年大奖难题”等问题的求解时间线拉长至数年，其过程即变为开放性探索 [4][15][16][18] - OpenAI将这种思考应用于自身研究，真正进展要求不断自问“当前提出的研究问题本身是否正确”，使研究成为一场“开放性的探索” [4][19] - 小尺度约束性问题（如一小时内完成的编程竞赛）与大规模定义明确问题（如证明千禧年难题）在探索路径上存在本质差异 [16][18] OpenAI的人才观与组织文化 - 公司致力于为基础研究提供免受短期竞争压力干扰的“保护区”，保护研究员进行长期、有信念的探索 [4][20] - 招聘倾向于寻找在任何领域解决过难题的实干者，看重强大技术基础和挑战难题意愿，而非社交媒体知名度 [4][21] - 关键组织文化是在“长期信念”与“对事实诚实”之间取得平衡，打造能容纳不同风格研究员的多元化团队 [4][20][21]