新智元报道
放养两个AI，让它们自己练棋，结果走出了两条完全相反的曲线。
Claude Opus 5.5前75盘还在1500分上下打转，可200盘下完，分数已经涨到1760。
同一张榜上，GPT-6 Astra就有点惨了。
第29盘还有1810分，下完200盘，却只剩1400分。
对阵满血Stockfish，它下了68盘，一盘都没赢。
这轮实验里，没有人为它们设计练棋课程，也没有更新模型参数。
同样是自己练，Opus越练越猛，Astra却越练越回去。
这场「AI自学下棋」的实验，出自大模型竞技场Arena的AI能力负责人Peter Gostev之手，一放出来就在X上炸了。
还有网友一眼认出来，这不就是三年前Reddit上那道「时间循环」老题吗？
只不过这一回，被关进循环里的主角，换成了AI。
被扔进时间循环的AI
「时间循环」原题，给一个普通人设下了这样一个死循环：
他只懂规则，从没下过国际象棋，却必须赢下传奇棋手、前世界冠军卡斯帕罗夫，才能逃出去。
每输一盘，时间就重置。
卡斯帕罗夫不记得此前的对局，这个人却记得清清楚楚，能带着之前的经验重新上场。
Reddit上的「时间循环」脑洞：普通人要下多少盘，才能赢下卡斯帕罗夫、逃出循环？
当年网友们脑洞大开，有人算出暴力穷举要花比宇宙寿命还长的时间，也有人想出了巧办法，把卡斯帕罗夫上一盘的着法全背下来，下一盘换边照搬，拿大师的棋去打大师。
现在，Gostev真把AI扔进了这个循环。
规则很简单，每个模型拿到同一个目标，和Stockfish下200盘棋，在对局里自己学、自己变强。
Stockfish是目前最强的开源国际象棋引擎，满血状态下，人类世界冠军也下不过它。
实验里它被分成三档，最弱的Skill 0、限到1800分的中档，外加满血版。
模型可以自行挑选对手难度。
Gostev也回应过，模型平均大约能赢三分之一的对局，并非每盘都在挑战全强度Stockfish。
GPT通过Codex运行，Claude通过Claude Code运行。选什么难度、记什么笔记，尽量由模型自己决定，作者减少干预。
唯一的禁令：不准调用国际象棋引擎替自己下棋。
评论区有人建议教模型特定策略、特定开局，Gostev却不理这茬。他想观察的，正是模型能不能自己找出进步的方法。
而笔记，就成了AI跨越一盘盘对局的记忆。
Stockfish不会从上一盘里学到新东西，AI却可以翻看自己的记录，把之前的经验带进下一盘。
不过，分数要先说清楚。
按页面的统计口径，Elo是根据最近50盘中对阵Skill 0和1800档的成绩估算的，全强度档不参与计算。
这里的1760分，并不意味着AI达到了人类棋手1760分的水平，但用来观察它在实验中有没有进步，仍有一定参考价值。
Opus：越下越上头
Opus 5.5的开局并没有一路高歌。
前75盘，它一直在1450到1550分之间来回打转，第46盘还摔到过1450。
到了中段，画风开始突变：第100盘1620、第150盘1790，最高一口气冲到1840。
截至10月5日早上，第194盘时，它的分数回落到1760。
光看分数还不够直观，那就看战绩。
对上1800分档的Stockfish，Opus按四段算的得分率，从30%涨到40%，再一路干到50%。
最近一段虽然回落到34%，也还是比开局高。
打最弱的Skill 0，更是从五成多一路练到了九成。
Gostev自己的判断，也随进展发生了变化。
最初发帖时他还说，Opus「有一点点正增益，但也可能只是随机波动」。
十几个小时后，他改口了：
Opus从约1500涨到约1750，这个表现非常亮眼。
涨得这么猛，评论区疑问也跟着来了：模型会不会偷偷给自己写了个象棋引擎？
Gostev回复说，用了引擎成绩直接作废，他已经亲自查过，Opus 5.5是在公平下棋。
当然，Opus也不是没犯过迷糊。
网站专门统计了模型想走、但不合规则的棋。Opus前后试了52次，其中37次是想让棋子直接穿过挡在路上的其他棋子……
分数在涨，基本规则上的失误却还没有消失。
Opus的笔记里到底写了啥、怎么给自己安排练棋过程，Gostev没公开。
能确定的是，它没换模型，也没更新参数，却在一盘盘对局中，把分数抬了上去。
Astra：越练越回去
越练越退步的Astra，开局反而更亮眼。
第29盘，它达到1810分。但随后开始一路掉分：第100盘1680、第150盘1540——200盘下完，停在1400。
对上1800档，它在四个阶段的得分率也从44%，依次跌到19%、17%、12%。
连最弱的Skill 0都快打不动了，前100盘能赢九成多，后100盘只剩六成左右。
虽然和Opus同样可以保留记录，结果却是：练得越久，下得越菜。
Gostev提出了一种解释：问题可能出在上下文窗口。
他表示，Astra在这次Codex配置中的原生上下文窗口是272k。随着笔记和文件增加，模型处理这些内容时，可能出现了退步。
这个猜测很容易让人联想到日常使用AI的体验：资料越塞越多，旧结论、新要求、已经推翻的判断混在一起，模型反而开始抓错重点。
但Astra究竟为什么掉分，目前还不能直接归因于上下文。需要对照实验，才能把这个猜测坐实。
Gostev也是个行动派。
10月4日他发帖说要给GPT-6.1 Sol试试1M上下文。
两分钟后，网站上就多出了一条使用828K上下文窗口的Sol专用跑道。
后加入的GPT-6.1 Sol和Claude Fable 5.1，目前才下了十几到三十几盘，分数都在1500到1610之间，还看不出往哪边走。
Fable 5.1下了15盘之后，已经被暂停。
AI能不能从失败里长本事
Gostev搭这个测试，其实就想搞清楚一件事。
大模型训练一结束，权重就定住了，没有真正的持续学习。他想看看，模型能不能不改权重，只靠记笔记、复盘，在实战里自己变强。
至少在这轮实验里，Opus 5.5展现出了这种可能。
曾任Google DeepMind副总裁、Gemini 1.0到4.0的技术负责人Oriol Vinyals看完，也跑来评论区点了个赞：
上下文学习，就是模型不动权重，只靠塞进上下文里的信息临场学会新东西。Opus这250分，就是这么一盘一盘涨出来的。
再回到Reddit那道「时间循环」题。
挑战者如果想靠不断练棋逃出循环，就得把输掉的每一盘变成下一盘的经验。
Opus 5.5的表现，让人看到了这种可能。
如果AI能在一次次尝试中积累经验、改进表现，那么，变强就可能不必完全依赖人类重新训练模型。
自我进化的那道门，也可能因此被推开一条缝。
参考资料：
https://ailearningchess.ai-learning-chess.workers.dev/
https://x.com/petergostev/status/2106481760746025422
编辑：元宇 摩西
热门跟贴