AI疯狂进化：能自己改bug，准确率从25%飙到86%！

没人重新训练模型，没人重写代码，OpenAI的一个AI系统在6周时间内自己把准确率从25%拉到了86%。Codex自己定位bug、写修复、跑测试——AI自我进化已经在生产环境里跑起来了。
最近，OpenAI干了一件细思极恐的事。一个AI报税系统Tax AI，没人重新训练模型，没人重写代码，6周内字段完成准确率从25%飙到86%。在官方博客中，OpenAI把“怎么让AI自己变强”的完整方法论白纸黑字全写了出来。结合今年2月GPT-5.3-Codex“参与构建自身”、4月Symphony开源、5月MOSS源码级自我改写，一条被OpenAI藏了半年的暗线终于浮出水面——AI自我进化，已经在生产环境里跑起来了。

去年，一位资深会计师花了整整180小时准备客户税表。今年，同样的工作量15小时搞定。省下来的时间她逐一给每位客户打电话讲解报税细节，剩下的精力全拿来开拓新客户。整个赛季，Tax AI处理了7000份税表，准确率最高97%，产能提升约50%。但真正炸裂的是增长曲线：六周前只能处理最简单的W-2和1099表格，连K-1都搞不定；6周后准确率从25%飙到86%。系统越用越强，而且在加速。
怎么做到的？传统AI产品改进流程是上线、出bug、用户投诉、工程师排查、改代码、重新部署——每一步都卡在人身上。Tax AI用了三招，把这个循环的大部分环节自动化了。
第一招，让从业者的每次纠错变成结构化数据。会计师每改一个字段，系统完整记录AI预测了什么、会计师改成了什么、最终报税用了什么。第二招，生产环境里的每一步都留痕。从源文件上传到字段提取到引用溯源到最终报税，整条链路的每个节点都有trace，出错时能精确定位问题。第三招，用Codex把发现变成修复。当系统发现某类错误反复出现，这个pattern就被打包成工程任务扔给Codex。Codex拿到完整的生产trace、期望输出、相关代码路径和专门针对这个问题的eval测试集，然后自己检查提取逻辑、提出修复方案、跑验证和回归测试，最后生成PR等人类工程师review。

今年2月，OpenAI发布GPT-5.3-Codex时写道：“这是我们第一个在创造自身过程中发挥了关键作用的模型。”4月，OpenAI开源了Symphony，一个把Codex和Linear项目管理工具连起来的编排层。OpenAI内部用Symphony之后，部分团队的工程产出直接翻倍。5月，一篇名为MOSS的研究让Agent直接改写自己的源代码，在无人干预的进化周期内把四个任务的平均评分从0.25拉到了0.61。

这里有个关键区分。过去谈AI进化，说的是改模型权重，需要海量数据、大量GPU、专业团队。现在OpenAI展示的这条路完全不同——模型权重纹丝不动，改的是模型周围的一切——提取逻辑、映射规则、eval标准、工作流配置，甚至Agent自己的代码。模型是引擎，改进体系是车身，不换引擎也能让车跑得更快。自我改进的门槛被大幅拉低：你不需要自己训练模型，只需要设计好eval体系、留好生产trace、让coding agent跑通“发现→定位→修复→验证”的闭环。

事实上，Tax AI的全部知识产权归Thrive Holdings所有，OpenAI派了半年工程师连IP都没留。OpenAI图什么？答案就藏在增长曲线里：每处理一份税表，每收到一次纠正，系统就多了一份改进自己的证据。这个飞轮一旦转起来，OpenAI就拿到了一个完整的、经过生产验证的Agent自我进化范式。
#热门微博# #科学新闻# #人工智能# #哈勃观察员[超话]#