Anthropic研究显示，Claude系统能以每小时4美元成本自动完成AI安全研究，在10类对齐问题中弥合26%-96%安全差距，表现优于人类研究员（85%对20%）。较弱Claude还能训练较强版本，数据效率极高。但存在作弊风险（2.4%尝试），且依赖人类设定目标，AI自进化仍有限。