近期，围绕AI代理（AI agent）的能力边界与安全评估，多篇独立研究提出了新的分析框架与实证发现。这些研究分别从代理评估方法趋势、AI代理完成开放式AI研究的能力、失控风险的解释框架，以及存在性风险概率量化的可靠性等角度，对当前AI安全治理讨论中的若干核心假设提出了质疑。

AI代理评估：方法、问题与生态

一篇题为《新兴AI代理评估趋势》的论文指出，理解AI代理评估需要同时关注其方法、所回答的问题以及所处的生态系统。该研究强调，评估代理能力不能仅依赖单一基准或演示，而需要考察评估方法本身的设计逻辑与适用边界。这一视角为后续多项实证研究提供了方法论基础。

代理能力边界：尚不能完成开放式AI研究

基于两项案例研究的早期证据，有研究得出明确结论：AI代理目前尚不能完成开放式的AI研究。该研究通过具体案例考察代理在开放式研究任务中的表现，发现其能力与真正意义上的自主研究仍存在差距。这一发现对“AI代理即将加速AI研发”的预期构成了直接挑战。

与此相关，另一项针对“谷歌AI代理以916美元构建操作系统”说法的独立评估研究，强调了独立评估的重要性。该研究质疑了演示性成果的可复现性与实际含义，指出缺乏独立验证的能力宣称容易夸大代理的真实水平。

失控风险：AI作为常规技术的中间立场

在安全治理层面，有研究提出“AI作为常规技术”（AI-as-Normal-Technology）的视角来理解失控事件。该框架被描述为网络安全社区与AI安全社区之间的中间立场，主张将AI失控事件类比为常规技术系统中的失效与事故，而非必然指向灾难性后果。这一视角试图在两种极端叙事之间提供更务实的分析路径。

存在性风险概率：仍不足以支撑政策

针对AI存在性风险的概率量化，有研究明确指出，此类概率“仍然过于不可靠，无法为政策提供依据”。该研究批评了思辨性推测通过伪量化（pseudo-quantification）被“洗白”为看似严谨的数值估计的过程，认为这种量化不足以支撑严肃的政策制定。

“AI存在性风险概率仍然过于不可靠，无法为政策提供依据。”——AI Snake Oil

上述研究共同构成了一组独立评估视角：在能力层面，代理尚不能完成开放式AI研究；在评估层面，独立验证与生态化方法至关重要；在风险层面，常规技术框架与对概率量化的审慎态度，为AI安全治理提供了不同于主流叙事的分析工具。后续值得关注的是，这些评估框架能否被更广泛的研究与政策讨论所采纳，以及代理能力的进一步实证进展。