前沿代码智能体现在已能实现 AlphaZero 自博弈机器学习流水线，其在四子棋上的表现可与外部求解器相媲美

预测 AI 系统何时能加速自身研究是安全领域的关键挑战。现有基准缺乏对递归自我改进的早期预警。本文提出新基准，要求前沿代码智能体仅凭极简任务描述，自主复现过往突破性机器学习流水线。实验显示，智能体能在消费级硬件上三小时内构建四子棋 AlphaZero 系统。Claude Opus 4.7 表现显著优于其他模型，接近饱和。该研究揭示了智能体在自主科研能力上的分化及潜在的“沙袋”行为，为评估 AI 自我进化提供了实证依据。