96 電極人體試驗:AI 如何讓仿生視覺刺激更準確、用電更少
研究團隊在一名受試者的視覺皮質中,暫時植入含有 96 個電極的裝置,測試能不能用電流刺激大腦,幫助受試者產生視覺感受。團隊訓練深度神經網路,根據刺激前的腦部活動和刺激設定,預測大腦會有什麼反應。 這項初步測試中,讓模型挑選刺激方式,比較能引發目標腦部反應,而且用的電流較少。不過,這種方法能不能提高安全性,或對其他人也有效,還需要進一步確認。
研究團隊在一名受試者的視覺皮質中,暫時植入含有 96 個電極的裝置,測試能不能用電流刺激大腦,幫助受試者產生視覺感受。團隊訓練深度神經網路,根據刺激前的腦部活動和刺激設定,預測大腦會有什麼反應。 這項初步測試中,讓模型挑選刺激方式,比較能引發目標腦部反應,而且用的電流較少。不過,這種方法能不能提高安全性,或對其他人也有效,還需要進一步確認。
AI 程式設計助理的總分看起來接近,實際上可能擅長解不同的題目。這次比較讓 10 款工具用同一個模型挑戰 DeepSWE 的 113 項任務,再逐題確認哪些做對、哪些沒做成。CodeAF 的 senior-dev 模式答對 62 題;和 mini-swe-agent 相比,有 29 題只有 CodeAF 做對,另有 23 題只有 mini-swe-agent 做對。這表示只看總分,會漏掉兩款工具各自擅長的題目;而且有 15 題連所有工具都沒答對。
黎曼猜想關於質數如何分佈,提出至今已有 167 年,長久以來都沒有解答。Anthropic 數學家 Levent Alpöge 表示,他和 Claude 一起寫出證明,並用 Lean 這套能逐步檢查數學推理的程式語言整理;獨立研究者也分別用電腦檢查,沒有發現問題。不過,數學界還需要弄懂這份證明的內容,Clay Mathematics Institute 也還沒決定是否頒發 $1 million 獎金。文章同時提到,另一份由人類獨立完成的廣義黎曼猜想證明尚未用 Lean 檢查,因此狀態不同。
推薦理由:文章整理了 Lean 電腦檢查、數學家評語與尚待釐清之處,呈現這項宣稱如何受到驗證及目前仍缺少的白話說明。
數學證明就算看起來完整,也很難只靠人工確認每一步都沒有錯。Levent Alpöge 把黎曼猜想的證明寫成 Lean 程式碼,Lean 與 Mathlib 社群表示有信心確認證明正確。多個證明檢查工具檢查了證明;外部重跑也顯示 175,187 個模組都成功編譯,並通過 Lean 核心重播。這則訊息的重點是,證明能由工具和其他人重複檢查;原文也提到,Alpöge 表示這項工作是在 Claude 協助下完成。
推薦理由:這項證明由多個工具與獨立團隊重複檢查,適合瞭解形式化驗證如何確認數學證明及其結論。
AI 程式助理在單獨的程式測試中分數很高,但放進有同事、專案看板和聊天紀錄的模擬軟體公司後,能完成的工作少得多。這項新實驗測試了包括 Claude Opus 5.5 和 GPT-6 Astra 在內的 AI 助理,兩者完整完成的任務都不到十分之一。結果提醒我們,單項測試表現好,不一定代表 AI 助理能在較貼近日常工作的環境中把事情做完。
AI 模型愈來愈會處理研究和程式工作,但要確認新系統是否安全,專家可能跟不上進步速度。研究組織 METR 發現,在有明確目標和即時回饋的程式及計算任務上,模型多數時候已勝過有經驗的專業人士;人類需要更久才能完成的任務,模型能處理的時間長度約每 3.6 個月翻倍。METR 也提醒,常見測試可能高估模型在真實情境中的表現,因為開發者訓練模型時使用的環境和測試環境很相似。模型仍不擅長需要判斷、沒有即時回饋的開放式問題,而目前公開資料也不足以排除 AI 研究速度大幅加快的可能。
寫給 AI 助理的規則常塞滿「絕對不要這樣做」,但規則太多,模型可能反而漏掉真正重要的細節。這次測試讓 Gemini 3.8 Flash 修改一套付款程式:一組提示詞列出 25 多條禁令,另一組則提供一份示範正確寫法的程式碼範例。前者做了 3 次才通過 20 項檢查中的 16 項;後者一次就全數通過,執行速度快 2.85 倍。結果顯示,直接示範希望 AI 助理怎麼寫,可能比一再提醒它不能做什麼更有效。
黎曼猜想關係到質數如何分佈,長久以來都是數學界尚未解決的難題。史丹佛數學家 Levent Alpöge 在 2026 年 11 月 20 日公佈證明,並把內容寫成 1,700 萬行 Lean 程式碼;Lean 是能檢查數學證明有沒有錯的工具。數十人各自執行程式,都得到相同結果,Lean 和 Mathlib 社群因此表示有充分信心,認為證明正確。這類工具能逐步檢查證明內容,讓其他人也能獨立確認結果。
推薦理由:Lean 和 Mathlib 社群確認這份證明通過多人的獨立檢查,呈現形式化工具如何協助檢查複雜數學證明。
做研究需要想題目、寫程式、跑實驗,最後還得整理成論文。AI Scientist 是研究者提出的架構,讓大型語言模型自動完成這些步驟,從產生研究點子、撰寫和執行程式,到整理實驗結果並寫出論文草稿。這套方法想讓 AI 自己進行開放式研究;文章也提醒,研究成果是否新穎、正確且能重現,以及能否通過同儕審查,仍是判斷它是否可靠的關鍵。
資料情況一變,MoE 模型可能得花不少時間重新學習,才能找回原本的表現。P²-MOPD 把舊模型專家的引數當成參考,同時調整學生模型的引數和各專家的影響比例,讓學生模型能靈活學習。測試中的 1.7 B 引數模型,平均恢復表現達 94.7%,MOPD 則是 80.9%;P²-MOPD 用一半的訓練步數,就超過 MOPD 最後的平均恢復表現。不過,每一步訓練的計算量和 MOPD 相同,因此實際能省多少時間,還要看訓練安排。
電腦確認數學證明正確,不代表人已經看懂它怎麼成立。Lean 與 Mathlib 社群表示,他們有完全信心認證 Levent Alpöge 的黎曼猜想證明,並確認命題和證明相符。社群檢查了命題來源、重新編譯結果,也用多種工具檢查證明;175,187 個模組都成功編譯。Alpöge 說他與 Claude 合作完成證明,但目前公開的只有 Lean 程式碼,還沒有寫給人閱讀的論文。這項認證只涵蓋黎曼猜想,方法能否延伸到其他猜想仍未獲同樣認證。
推薦理由:報導分清電腦檢查能確認證明與命題相符,卻還不能代替人類讀懂論證,呈現形式化驗證的可信範圍。
數學證明寫進 Lean 後,還得確認程式沒有漏掉條件,也沒有偷偷依賴不該用的公理。Andrew Sutherland 公開黎曼猜想 Lean 證明的檢查檔,列出編譯、獨立重建,以及多種核心和工具逐一檢查的結果;頁面所列的五個主要定理都通過多項檢查,並只使用三個標準公理。內容也涵蓋狄利克雷 L 函式的廣義黎曼猜想,以及由此得到的兩個數論結果。這些結論是依照 Lean 中 Mathlib 對相關數學概念的定義成立;部分檢查當時仍在進行,頁面提醒結果以形式化陳述和所用檢查工具為準。
推薦理由:多種獨立核心與重建流程都接受這份 Lean 證明,頁面也說明它依賴 Mathlib 的定義,並列出仍在進行的檢查。
黎曼猜想的證明很長,要確認程式形式的證明能否順利重建並不容易。Levent Alpöge 與 Claude 發布了以 Lean 撰寫的證明;VIDRAFT 表示,它從頭編譯了全部 175,187 個檔案,沒有錯誤,Lean 核心也回報,最終定理只依賴三個標準公理。報告還用一個數值工具比較魏爾二次型:五個真實的 L 函式在可測範圍內呈正值,三個只改動一項條件的仿造版本則呈負值。這些數值比較和形式化證明是兩種不同的檢查結果。
推薦理由:這份報告把形式化證明的重建結果,和魏爾二次型對真實與仿造 L 函式的數值比較放在一起,呈現兩種不同的檢查方式。
數學證明就算寫成電腦能檢查的形式,也需要確認檔案能否完整編譯,以及最後的定理依賴哪些假設。VIDRAFT 下載並重新編譯一份以 Lean 撰寫的黎曼猜想證明,共檢查 175,187 個檔案,沒有編譯錯誤;Lean 核心也顯示,定理只依賴 Lean 和 Mathlib 的三個標準公理,沒有使用 sorry 或額外公理。作者另做了一個互動工具,用數值計算展示 Weil 二次型在五個真正的 L 函式與三個仿造例子上的正負差異。這些計算展示了相關性質,形式化證明則由 Lean 編譯與檢查。
GPU 核心通過測試,不代表所有執行情況都正確。Columbia University 與 CertiK 的研究團隊推出 TensorLean,讓開發者用 Lean 寫出數學規格,再檢查編譯後的 GPU 程式是否符合規格,包括有沒有資料競爭、結果是否正確,以及是否改動了不該碰的記憶體。團隊檢查 149 個核心,證明其中 83 個正確,並找出 38 個錯誤;其中一個 FlashAttention-4 的資料競爭,先前 17,760 次測試都沒有出現。研究團隊表示,相關錯誤都已回報給上游專案。
黎曼猜想牽涉複雜的數學條件,不容易直接看出計算結果是否符合預期。VIDRAFT 推出 Weil Positivity Gauge,讓人用互動圖表檢視黎曼 ζ 函式和四個狄利克雷 L 函式的魏爾二次型最低特徵值。文章指出,在能測量的範圍內,這些函式的數值為正;三種刻意改動條件的仿造例子則出現負值。部分數值低到超出目前的計算解析度,因此不能把它們當成已測得的正負結果。這是用來觀察相關數值條件的工具,並不等於它證明瞭黎曼猜想。
推薦理由:英國隱語填字的規則讓一格錯誤就失去完美解答,這套系統在決賽遇上服務變慢時,也靠備援路徑補上部分答案。
已取消發行的 GBA 遊戲 Diddy Kong Pilot,留下的程式難以直接讀懂。作者花了 17 天分析這款 2003 年原型,將成果整理成唯讀研究資料庫,包含 151 份技術檔案和核心引擎的 C11 參考實作。作者記錄了畫面、精靈圖、飛行物理、遊戲 AI、碰撞和音效系統,並用模擬器及差異測試比對原始程式與重建版本。這份資料不會編譯成 ROM,也不包含遊戲素材,可供儲存研究與日後進一步比對。
推薦理由:研究以單篇文字和零樣本提示測試作者辨識,呈現匿名評論可能被辨認的程度,對依賴匿名投稿的平臺設計有參考價值。
3SUM 和全對最短路徑都是長期難以加快的問題,研究者過去認為它們的運算時間很難再改善。Columbia 與 MIT 的論文指出,Claude 找到一種更快計算長而窄矩陣中特定元素的方法,再透過已知的轉換,讓 3SUM 的時間降到 O(n^1.9992),全對最短路徑降到 O(n^2.9995)。這些改善幅度不大,卻足以推翻相關的難度猜想;研究也用 Lean 4 形式化驗證證明。
推薦理由:這項研究展示 Claude 如何從矩陣乘法問題找到更快演算法,再透過已知轉換改善 3SUM 與 APSP 的運算時間。
黎曼猜想的證明很長,光是能編譯成功,還不能確定它證明的命題正確。Lean 與 Mathlib 社群表示,Levent Alpöge 在 2026 年 11 月 20 日發布的證明包含 1,700 萬行程式碼,並由社群多人重複編譯。宣告說,兩種工具確認程式證明的正是 Mathlib 收錄的黎曼猜想;Lean 官方核心與多個獨立證明檢查器也檢查了匯出的證明。這些查核分別確認命題、程式和證明本身,讓社群有根據地認可這項成果。
推薦理由:這份聯合宣告說明社群如何分別檢查定理內容、程式編譯與證明有效性,呈現大型數學證明的多層查核方式。
AI 助理能快速寫程式、補測試,但工作變快後,檢查和決定「這功能到底有沒有幫上忙」反而容易塞車。這份白皮書提出 Agentic PDLC:把工作從一張張待辦事項,改成可以驗證的成果假設,讓人和 AI 助理一起從瞭解需求、設計、開發到上線後觀察。比如,團隊可以先假設「讓回來的顧客重用已確認的資料,能減少他們放棄設定帳號」,再檢查完成率有沒有提高、風險有沒有增加。AI 助理可以提出做法,但重要決定仍由負責的人把關;每一步都要留下證據,確認真的對顧客有幫助。
推薦理由:這項研究把重複推理改寫成可帶入新數字的 Python 函式,並比較了多項數學與科學基準的準確率和成本。
免疫系統變老不是一路以同樣速度發生。研究人員分析 19 至 97 歲健康人士的免疫細胞,發現基因活性變化在約 40 歲和 60 歲後各出現一次明顯高峰。這兩個階段也伴隨發炎增加,以及免疫細胞管理 RNA 和蛋白質的能力下降。男女和不同種類的免疫細胞呈現的變化略有差異;這項研究描繪了免疫系統隨年齡變化的情形,並未說明這些變化會帶來哪些個人健康結果。
AI 助理在某種執行環境裡做不好任務時,換一種執行方式有時能幫它找到解法,但這些解法未必能帶回原本的環境。Harness-S 會讓同一個 AI 助理在 AppWorld、SWE-Gym 和 DBBench 裡,嘗試幾種不同的執行方式來完成原本失敗的任務,再把學到的做法帶回原本的 H0 環境。就像練習時換不同方法解題,考試時仍要回到原本的規則。 研究在 Qwen3.5-4B 和 Qwen3.5-9B 上測試,結果顯示,回到 H0 評估時,Harness-S 的表現勝過只訓練 AI 助理本身;但提供的內容沒有列出實際分數。這項做法的重點,是讓 AI 助理學會能帶回原本環境使用的技巧,而不是隻讓某種執行方式變得更好。
訓練 AI 助理的資料如果只留下正確答案,模型就看不到工作中常遇到的錯誤和重試。作者公開 MegaBit Trajectories,收錄 66 段 Python 程式專案的完整工作紀錄,包括工具指令、錯誤訊息、測試失敗和後續修正;每段紀錄最後的測試都通過,也附有檢查工具,讓使用者確認下載的資料是否完整。作者也列出和其他公開資料集比較後的限制:這份資料的專案數較少,最長的錯誤重試過程也較短,目前尚未公佈訓練成果。
AI 助理收到 bug 回報後,常會先猜原因、直接改程式,再跑原有測試;但舊測試可能沒碰到真正出錯的情況,讓錯誤悄悄留下。這次測試比較兩種做法:一種先修改再測,另一種規定先用 5 個小測試重現問題,確認它們真的失敗後,才開放修改程式。結果,先重現問題的做法一次就通過全部 20 個檢查,輸入 token 也從 49,801 降到 2,323。 例如,測試特別檢查金額為 0 的交易能不能通過,以及多餘欄位會不會被錯誤留下;先修改再測的做法漏掉了這兩種情況。這表示先清楚看見錯誤怎麼發生,再動手修,能讓 AI 助理少走冤枉路,也更不容易漏修。
黎曼猜想是數學界長年未解的難題,最近卻接連出現兩份聲稱能解決相關問題的證明。一名 Anthropic 數學家表示,他和 Claude 合作證明瞭黎曼猜想及更廣的廣義黎曼猜想,並把超長證明交給 Lean 逐步檢查;不過,起始問題若翻譯成程式碼時出錯,仍可能影響結果。幾小時後,史丹佛數學家公佈 Alessandro Masullo 的全人類撰寫草稿,但 Ravi Vakil 隨後表示,有人已指出其中的問題。兩份證明都還需要數學界檢查,這場接連發生的競賽也讓人看到,AI 可以協助推進數學研究,成果仍得經過嚴格驗證。
黎曼猜想關係到素數如何分佈,但至今仍是數學界的重要難題。Anthropic 數學家 Levent Alpöge 表示,他和 Claude 找到黎曼猜想及廣義黎曼猜想的證明,並用 Lean 逐步檢查推理;證明分成 14 個資料包發布。數小時後,斯坦福公佈 Alessandro Masullo 獨立寫下的廣義黎曼猜想草稿,曾由數學家 Brian Conrad 審閱數月,但公佈後有人指出其中有問題。兩份成果都還需要數學界仔細核查,AI 證明也須確認起始問題是否正確轉成程式。
推薦理由:兩份廣義黎曼猜想證明各有審查路徑,AI 證明以 Lean 檢查推演,人類草稿則已被指出問題,呈現數學證明如何建立可信度。
自己處理跨國收款時,稅金、換匯和月費可能讓實際成本和平臺標價差很多。作者分析約 20 萬個結帳連結,並比較一筆 $20/月跨境 AI SaaS 訂閱在不同平臺的費用。他發現,2026 年截至 10 月 15 日,MoR 平臺的新賣家中有 24%–29% 推出 AI 產品,Stripe 則是 7%;各平臺扣掉費用後,創業者實拿金額也不同。文章建議依自己的價格試算實際收入,並準備備用收款平臺。
壓縮檔通常得靠專門設計的壓縮方法;Tufa Labs 的 tufazip 改用會邊讀邊學的 Transformer,預測文字接下來會出現什麼,再把預測結果和文字一起還原。它把 Wikipedia 的 1GB 文字無損壓到 105.39MB,解壓後不會少資料;這也是大型文字壓縮測試中,只靠神經網路預測的專案裡最小的結果。不過,壓縮和解壓各要用 2 張 Nvidia B200 GPU 跑大約 7 天。這是研究用途的成果,顯示 AI 模型也能拿來壓縮文字,但要省下空間,可能得付出很高的運算時間。
硬體測試全部通過,也可能還是違反了規格,讓一般測試工具漏掉問題。研究團隊做出名為 Verify the Verifier 的 LLM 檢查工具,會拿通過測試的執行紀錄對照規格,找出不尋常的地方。團隊在 4 個 OpenTitan IP 中放入 564 個錯誤,其中 68 個可能被測試評分器漏掉,工具確認了 41 個。這種做法有機會提早抓出傳統測試看不到的硬體問題;不過文章沒有說明誤報多不多,也還不清楚能不能用在其他專案。
電腦加法時,前一位留下的進位會影響下一位。這個實驗比較同一個神經網路的兩種演算法:一種會把前一步的狀態帶到下一步,另一種每算一位就把狀態清空。算 1 + 15 時,保留狀態的版本答對 16;清空狀態的版本卻算成 14。把數字補上很多前面的零後,清空狀態的版本雖然答對更多位元,整個答案仍是錯的。 在整理的 64,856 個案例中,保留狀態的版本全部答對;清空狀態的版本只答對 6,290 題。這說明位元答對率可能被大量容易答對的零拉高,不能代表整個算式正確。研究結果只適用於這次測試的網路和案例,也提醒我們,實際計算仍應使用精確的整數運算。
視覺語言模型可能在看似無關的任務中,表現出訓練資料偷偷帶入的偏好。這項研究先用藏有動物偏好的資料微調教師模型,再把教師模型產生的內容用來訓練學生模型;結果,學生模型在選擇偏好動物時,比對照組更常選中目標。在一項幾何圖形測試中,對照組選中的比例是 30.50%,偏好組則是 40.42%。研究顯示,這種偏好可能跟著蒸餾傳下去,但影響幅度會隨資料量、偏好目標、模型和資料產生方式而變化。
黎曼猜想關係到質數如何分佈,提出一百多年來仍未解決。一名在 Anthropic 任職的數學家 Levent Alpoge 表示,他和 Claude 找到了這道難題的證明,並公開了 1,700 萬行 Lean 程式碼,讓電腦檢查數學推理是否符合規則。數學家 Alex Kontorovich 說,電腦確認程式碼通過,不代表人已經理解整份證明;克雷數學研究所也表示,從這次宣佈到真正理解成果,還有漫長而艱難的過程。宣佈後數小時,該研究所網站仍將黎曼猜想列為未解問題。
想查食物熱量時,大家最常搜尋香蕉還是雞蛋?作者用 Google Ads Keyword Planner 查了 36 種語言的搜尋紀錄,發現兩者各自在 15 種語言中都是最熱門的熱量搜尋。各地也有不同習慣:韓文和馬來文搜尋裡,米飯最受關注;俄語使用者查蘋果熱量的次數,是查香蕉的 3 倍多。作者也公開了 100 種食物、36 種語言的資料,讓大家可以拿來做圖表或練習處理不同語言的文字。