推薦理由:這項主張仍在專家查驗中,文中也估算了生成證明所需的模型費用,可一併瞭解成果查證與成本規模。
全部動態
RSS 訂閱全部動態
RSS
SemiAnalysis@SemiAnalysis_精選品質評分8484Latent Space精選品質評分8888 Claude 協助提出黎曼猜想證明,另一位數學家也公佈獨立證明
兩位數學家在相近時間提出黎曼猜想的獨立證明,但目前都還沒有完成專家驗證。Anthropic 數學家 Levent Alpöge 表示,Claude 協助他完成一份以 Lean 程式碼寫成的證明;檢查者確認程式描述的是廣義黎曼猜想,程式仍在編譯,模型版本和人類參與程度也尚未公開。另一位數學家 Alessandro Masullo 則公佈了自己花 12 年撰寫、約 940 頁的草稿。這篇文章關注兩者的差別:AI 協助的版本可能較容易用程式檢查,卻長到幾乎沒有人能讀完;人工撰寫的版本容易理解,但也還需要確認是否正確。
推薦理由:兩份獨立證明主張呈現出可由 Lean 檢查、卻難以讓人讀懂的落差,也帶出 AI 協助數學研究的驗證難題。
Dev.to Top Tech精選品質評分7676 Claude 協助提出的黎曼猜想證明通過 Lean 編譯,還不能算證明成立
程式通過 Lean 編譯,只表示機器檢查了程式中的推理步驟,還不能單靠這點確認它證明的就是數學家所說的黎曼猜想。文章整理了 Levent Alpöge 與 Claude 協作提出的證明候選:MIT 的 Andrew Sutherland 獨立編譯程式碼,結果通過,但確認程式中的命題和正式版本相同、再用多個獨立核心重新檢查的程式,當時還沒有結果。編譯也不會自動發現命題寫得較弱、定義遭替換,或證明用了額外假設。作者因此提醒,應等後續檢查與同儕審查完成,再稱它為已證明。
推薦理由:這篇文章拆解 Lean 編譯、命題比對與多核心重查各自能確認的事,幫助讀者分清程式通過檢查和黎曼猜想已獲證明的差別。
BlockTempo 動區動趨品質評分7171 Alessandro Masullo 公開廣義黎曼猜想的 940 頁證明草稿,研究未使用 AI
廣義黎曼猜想仍沒有獲得普遍確認的證明,Alessandro Masullo 公開了一份 940 頁草稿,並表示研究累積近 12 年、全程未使用 AI。手稿以 θ 函式空間和跡公式為主要方法,討論 Hecke L 函式的零點位置;目前仍有待補內容,導言也尚未完成。熟悉這項研究的數學家正在大幅修訂,公開草稿讓其他數學家能逐頁檢查、提出問題並協助補足細節,論證是否成立仍待後續修訂與檢查。
Lobste.rs (Engineering Discussion)精選品質評分6969 Antithesis 用 AI 和形式化方法檢查兩套 Raft 程式庫
分散式系統的程式碼可能和 Raft 論文中的設計假設有落差,單靠證明協定正確,無法確定實際程式也照著做。Antithesis 用 Claude Fable 5.2 為 HashiCorp Raft 和 etcd-raft 建立 TLA+ 模型,再用故障注入測試檢查程式跑出的紀錄是否符合模型,並以 Lean 和 TLAPS 證明模型中的安全性質。過程中團隊修補了兩套程式庫的錯誤;但證明涵蓋的是模型所描述的功能,不是整份程式碼,而且仍受測試假設和未建模功能限制。
推薦理由:文章呈現形式化證明與故障注入測試如何互相補足,並說明模型和程式碼仍有落差時,追查分散式系統錯誤的做法。
MIT News · AI精選品質評分6666 MIT 研究團隊讓混沌系統的 AI 模型避免預測失控
天氣、氣流等混沌系統很難預測很久,AI 模型跑久了也可能算出現實中不可能發生的結果。MIT 研究團隊替模型加入一種能量限制:模型學習系統的能量變化,並透過一個調整預測結果的模組,讓系統離開合理範圍時能量下降,逐步回到範圍內。團隊在多種物理系統上測試,模型的預測更貼近真實結果;論文和開放原始碼已線上上公開。研究團隊接下來也打算測試這套方法能否用於更大型的天氣系統。
推薦理由:研究說明如何用能量限制讓混沌系統的模型長時間維持合理預測,呈現物理規則如何補足資料不足。
Rohan Paul@rohanpaul_ai品質評分5858
Rohan Paul@rohanpaul_ai精選品質評分7070推薦理由:研究呈現 AI 助理反覆嘗試分析後挑出顯著結果的偏差,也比較了用子樣本校正前後的假陽性比例。
Dev.to Top Tech品質評分3838 Physical AI 如何分類風險,避免 AI 助理控制的機器傷人
機器人會把判斷變成移動、施力或發熱,因此電腦犯錯可能不只答錯,還可能撞到人、弄壞裝置或讓貨物掉落。Physical AI 風險分類把可能出問題的地方分門別類,例如感測器看錯、定位錯誤、AI 模型誤解指令、機器移動失控,或人和機器互動時出了狀況,也會追查一個小錯如何一路傳成危險動作。像是鏡頭沾髒,可能讓機器看漏障礙物,最後選錯路線。先分清危險從哪裡來,工程師就能挑合適的方法預防、發現或擋下問題,並檢查系統改版後是否仍安全。
hackernews100品質評分7474 Navier–Stokes 方程有限時間爆破解答附上 Lean 4 形式化證明
Navier–Stokes 方程是否可能在有限時間內出現爆破解答,是這篇 79 頁論文處理的問題。作者也提供 Lean 4 程式,將論文中的部分定理整理成可檢查的形式化證明。不過,論文提到的證書和用區間算術進行的嚴格計算都不在這個專案裡,證書也尚未公開;此外,這份程式套件套用補丁後尚未重新建置。因此,專案提供了論文與形式化證明的材料,但不包含檢查證書所需的全部內容。
hackernews100品質評分6969 研究讓 27B 語言模型靠推理修改自己的權重
語言模型通常要再訓練一次,或在回答時多花運算,才能改善表現;這篇研究提出讓模型自己修改權重的方法。研究團隊讓一個開放權重的 27B 模型檢查答錯的題目、修改自己的權重,再用練習題確認修改是否有效,只保留有用的版本。研究指出,修改後的模型在沒看過的題目上準確率提高 6.6 個百分點,連續 8 次修改後表現也都上升;它還能修復一份受損的自身副本,讓副本在沒看過的影像題目上恢復到原本準確率的 80% 以上。這些結果來自研究中的測試,摘要也指出同一模型系列裡較小的模型無法做到這件事。
hackernews100品質評分6464 陶哲軒整理 Navier–Stokes 奇點與廣義黎曼猜想的 AI 輔助證明
三項重大數學結果都聲稱找到新的證明,但讀懂證明、確認內容是否可靠,還需要時間。陶哲軒整理了三項使用大量 AI 協助的工作:三維無外力 Euler 方程式的有限時間爆發已有可讀證明,並以 Lean 形式化;三維無外力 Navier–Stokes 方程式的爆發證明也有 Lean 形式化,但仍需要整理成更完整、正式的證明;廣義黎曼猜想則有一份只以 Lean 寫成的超大型證明,目前仍在檢查與理解策略。文章也提醒,這些成果的消化程度不同,不能把提出證明和完成驗證視為同一件事。
hackernews100品質評分5454 Alessandro Masullo 公開 GRH 擬議證明草稿
GRH 的新證明還沒整理成完整定稿,就先公開給數學界檢查。Alessandro Masullo 提出這份證明,Brian Conrad 已仔細審閱數月,並提供大量修改意見,目前正把意見納入草稿。作者說,原本打算先讓 Masullo 到 Stanford 花一年整理內容,再交給更多人檢查後公佈;現在則先放出現有版本,希望有人檢查、整理成正式證明,並補上可能的小缺口。這份草稿是否成立,仍要看後續檢查結果。
aihot精選品質評分7676 METR 更新能力評測:AI R&D 相關能力約每 3.6 個月翻倍
要量出 AI 模型能獨立完成多長、多少工作並不容易,評測方式也可能影響結果。METR 更新能力評測,測試截至 Opus 5.5 和 GPT-6 Astra 的模型在 TH1.1 與 TH2 任務上的表現,發現模型的時間視野約每 3.6 個月翻倍;在可驗證的任務子集中,翻倍時間約為 1.65 個月。METR 也討論,評測環境和 RL 訓練環境越來越接近,可能帶來測量偏差。
推薦理由:METR 用任務測量模型完成長程工作的能力增速,也說明評測環境接近 RL 訓練環境時,可能如何影響測量結果。
aihot精選品質評分8888 Anthropic 數學家宣稱用 Claude 找到黎曼猜想的 Lean 證明
黎曼猜想是數學界長年未解的難題,最近同一週出現了兩份相關證明。Anthropic 數學家 Levent Alpöge 宣稱找到黎曼猜想的 Lean 可編譯證明,並描述自己如何與 Claude 合作找出論證;數學家正在 Zulip 上審閱,文章說多數人認為這份形式化證明有望成立,但仍需要時間理解。另一份是 Stanford 博士後 Alessandro Masullo 提出的廣義黎曼猜想證明,他表示這是自己花了十二年完成的工作,沒有使用 AI。
推薦理由:兩份黎曼猜想相關證明分別採用 Lean 形式化與純人工研究,文章也呈現數學家如何審閱這些尚待理解的成果。
Rohan Paul@rohanpaul_ai品質評分5757OpenAI News品質評分5555 OpenAI 推出 MedChemBench,測試 AI 模型能否幫忙挑選藥物候選物
找藥物時,讓分子更能對付疾病相關蛋白,可能也會讓它更難被身體吸收,或更快分解。OpenAI 推出 MedChemBench,收錄 99 個來自研究論文的題目,測試 AI 模型能不能看懂分子結構、解讀實驗結果、挑選候選物並預測性質。評測中,GPT‑6 Astra 擅長還原分子結構與解釋證據,但挑選化合物和預測數值仍較困難。這項測試只看模型如何運用過去的研究資料,不能證明 AI 已能發現新藥或改善實驗室決策;研究者也無法排除模型先前看過相關資料的可能。
Apple Machine Learning Research精選品質評分7272 Depth Pro 2 用同一個模型估算照片與影片的景深
從單張照片估算景深時,物體邊界可能不夠清楚;處理影片時,深度又可能一格一格地跳動。Apple 的研究團隊提出 Depth Pro 2,用同一個可擴充的網路處理照片和影片,並以原始畫面解析度估算每個畫素到相機的公尺距離。團隊表示,這個模型能同時做到距離準確、物體邊緣清楚,且影片前後畫面穩定,表現也勝過先前方法;研究團隊並釋出模型和程式碼。
推薦理由:Depth Pro 2 把單張照片與影片深度估計放進同一個模型,呈現邊界清晰度和畫面穩定度如何兼顧。
Simon Willison品質評分7272 Ravi Vakil 引述廣義黎曼猜想證明草稿的進展
一份關於廣義黎曼猜想的證明草稿正在接受仔細檢查。Ravi Vakil 引述 Alessandro Masullo 的說明:Brian Conrad 已花數月檢視草稿並提供大量意見,這些意見正逐步納入;目前工作全由人類完成,沒有使用 AI。原本打算先邀請 Masullo 到 Stanford 一年,整理文字並讓更多人檢視後再公佈,如今則認為先公開目前草稿比較合適。
Dev.to Top Tech品質評分7373 GPT-5 用斯洛伐克語更耗 token,作者比較 204 種語言找原因
同一句話用斯洛伐克語送進 GPT-5,可能比用英文花更多 token,讓費用增加,也更快用完上下文視窗。作者用相同的 1,012 句內容測試 204 種語言和 35 種 tokenizer,發現 GPT-5 切分斯洛伐克語所需的 token 是英文的 1.68 倍;作者認為,主要原因是訓練資料中的斯洛伐克語較少。文章也提醒,選模型時要把語言造成的 token 差異算進成本,並用實際 tokenizer 計算 RAG 文字分段;token 較省也不代表模型回答得比較好。
TechCrunch · AI精選品質評分8686 Claude 協助提出黎曼猜想證明,同週也有數學家公佈全人力證明
黎曼猜想從 1859 年提出至今,仍是數學界的重要難題。數學家 Levent Alpöge 表示,他找到一份能通過 Lean 檢查的證明,過程中曾與 Claude 一起整理論證;不過,數學家還需要時間讀懂內容並確認證明。另一份廣義黎曼猜想的證明則由 Stanford 博士後 Alessandro Masullo 完成,據介紹,他為此花了十二年,沒有使用 AI。兩份主張都還需要數學界理解與檢視,文章也提到 Alpöge 會繼續努力,把自己的證明寫得更容易讓人看懂。
推薦理由:兩份黎曼猜想相關證明一份由 Claude 協助、一份完全由人完成,呈現數學界如何檢視 AI 參與研究的成果。
iThome (臺灣)品質評分5656 研究整理尼泊爾19家公立醫院匯入開源電子病歷的做法
紙本病歷分散在不同科部,醫師不容易掌握完整紀錄,醫院也難整理營運資料。尼泊爾與世界衛生組織合作,讓19家公立醫院匯入以 OpenMRS 為基礎的電子病歷,並用6個階段準備裝置、安裝系統、訓練醫護和提供後續支援。研究也提到,系統變慢時,瓶頸在硬碟讀寫和網路,換成 SSD 並改善網路後才有所改善。各院負責日常維護,中央團隊統一開發和更新,減少重複修改;但備份、故障應變和長期經費仍待建立規範。
Artificial Analysis@ArtificialAnlys品質評分4242MIT Technology Review · AI品質評分6969 METR 更新 AI 能力曲線圖,加入需要判斷力的任務
AI 模型在寫程式等容易自動檢查答案的工作上進步很快,但這能不能延伸到研究方向選擇等需要判斷力的工作,仍不清楚。METR 更新了用來比較模型與人類任務表現的曲線圖,加入設計 AI 評測和評分哲學論證等較開放的任務。最先進的模型在軟體工程上已勝過幾乎所有人類,卻還沒有設計出 METR 員工認為能用於研究的評測。這些新任務的數量不多、評分也不容易,因此目前還難以據此推算模型未來能否自動進行 AI 研究與開發。
Dev.to Top Tech品質評分5656 MIT 與 Georgia Tech 的 AI 協作設計,15 秒多換來 39% 更高抗挫曲能力
結構設計常得在加快速度和改善成果之間取捨。這篇文章轉述 MIT 與 Georgia Tech 的研究:AI 先挑出值得人工檢查的結構區域,再讓人參與設計。相較於全自動最佳化,設計時間只多 15 秒,製造性與線性挫曲負載都提高 39%。這項結果顯示,人工檢查若用在合適的地方,可能改善設計表現,同時只增加少量時間。
Dev.to Top Tech品質評分5858 Andrei 實測 21,328 個 MCP 伺服器的工具說明會佔多少上下文
連線 MCP 伺服器時,工具名稱、說明和引數格式會先送進模型,佔用上下文,也會增加費用和處理時間。Andrei 實測公開且有回應的伺服器,估算工具說明的 token 用量:中位數約 4,847 個 token,前 10% 約 40,000 個,最佔空間的一個約 240,000 個,超過文中拿來比較的 200K 上下文視窗。作者建議依任務減少同時連線的伺服器,只開啟需要的工具,並留意工具清單是否過長。這些用量是依文字長度估算,實際用量可能更高。
The Verge · AI品質評分7070 Anthropic 數學家稱與 Claude 合作證明黎曼猜想
Anthropic 數學家 Levent Alpöge 聲稱,他和 Claude 合作提出了黎曼猜想的證明。這個猜想關係到質數如何分佈,是著名的千禧年大獎難題之一;他的證明以 Lean 撰寫,目前只公佈在個人網站,還沒有獲得獨立驗證。Anthropic 沒有參與或評論這項宣佈。依克雷數學研究所的規則,解答須公開接受至少兩年檢視,並獲數學界普遍接受,才可能列入獎項考量。這項宣稱能否成立,仍要看後續審查結果。
Rohan Paul@rohanpaul_ai品質評分6262Dev.to Top Tech品質評分5959 追蹤 AI 開源專案:停止更新比連結失效更常見,引用時附上 DOI
AI 開源專案的連結失效,和專案停止更新,是兩件不同的事。作者追蹤了 733 個 GitHub 或 Hugging Face 專案,發現 23 個曾變得無法取得,其中 5 個後來恢復;另有 67 個專案超過 90 天沒有更新。作者建議把這兩種狀況分開記錄,並且連續兩次查不到才標記為失效。引用專案時,也可在網址旁附上 DOI 或封存連結,避免日後網址失效就找不到資料。
NVIDIA AI@NVIDIAAI品質評分4848
Tom’s Hardware AI & Computing品質評分4343 Anthropic 數學家聲稱和 Claude 找到黎曼猜想的證明
黎曼猜想是數學界有名的難題,已經困擾大家 167 年,和質數的分佈有關。Anthropic 數學家 Levent Alpöge 在論文中表示,他和 Claude 一起找到了這道難題的證明,也認為這套方法可能能用來處理廣義黎曼猜想和擴充套件黎曼猜想。不過,他的說法還需要時間確認,現在還不能確定 Claude 是否真的幫忙解開了黎曼猜想。
elvis@omarsar0品質評分4848
Dev.to Top Tech品質評分6464 Sumama-Jameel 公開 66 段真實程式開發過程,讓 AI 助理學會從錯誤中修正
只看最後寫好的程式碼,AI 助理學不到遇到錯誤後怎麼繼續。Sumama-Jameel 整理出 66 段實際執行的程式開發過程:AI 助理在 Docker 沙盒裡處理真實專案任務,使用工具、碰到錯誤再修正,工具輸出和失敗紀錄都保留下來。每段資料都會檢查專案測試,也能在自己的電腦上重新驗證。作者公開與四份大型資料集的比較,並說明這份資料在規模和部分指標上落後;用它訓練的小型模型有一項分數從 43% 升到 80%,其他分數則退步。
elvis@omarsar0品質評分6363Dev.to Top Tech品質評分5757 Vyankatesh 靜態掃描 618 個公開 AI 助理技能,發現附帶程式碼的風險分數較高
公開的 AI 助理技能會提供操作指示,有些還附帶能以使用者許可權執行的程式碼,因此可能帶來安全風險。Vyankatesh 用 SkillSpector v2.12.0 靜態掃描 618 個公開技能,沒有安裝或執行它們;63.6% 至少有一項警示,40.1% 有高或嚴重警示。附帶程式碼的技能風險分數中位數是 52,只有 Markdown 的技能則是 0。不過,作者抽查的少數警示有些看來被判得太嚴重,也沒有找到他認為蓄意惡意的技能。這項研究不是同儕審查,也無法判斷掃描漏掉多少問題;作者建議把分數用來安排檢查順序,啟用技能前仍要看清楚它如何使用你的憑證。
Dev.to Top Tech品質評分4848 663 組 GitHub 比較看不出 AI 協助的程式碼比較常被撤回
大家擔心 AI 幫忙寫的程式碼會不會比較常出問題,甚至被撤回。作者從 GitHub 找出 663 組相似的程式碼修改,分別比較有說明 AI 協助和只由人類撰寫的修改。30 天內,前者有 1 筆被撤回,後者有 2 筆;但撤回本來就少見,這次的資料太少,還看不出兩者有沒有差別。作者也發現,用後續修改來猜程式是否修過 bug,常會把不相關的改動算進去。這項研究只能說目前沒有明確證據顯示兩者不同,不能據此判定 AI 寫的程式碼比較安全或比較容易出錯。
Solidot品質評分4545 胰臟癌臨床試驗中,3 名患者注射改造病毒後腫瘤停止生長
胰臟癌常常等到症狀出現時才被發現,腫瘤外層也會擋住化療藥物,治療不容易。一項臨床試驗讓 3 名患者注射經基因改造的腺病毒;病毒會在腫瘤裡繁殖,讓癌細胞破裂死亡,再感染附近的癌細胞。這 3 名患者的腫瘤停止生長,但沒有縮小;試驗使用的劑量只有最終目標的十分之一,研究人員接下來會替另外 15 名患者使用較高劑量。 不過,試驗沒有對照組,因此目前很難判斷病毒是否真的有效,或是否比其他療法好。研究負責人認為,腫瘤沒有縮小可能是劑量較低,病毒也需要更多時間繁殖;這些仍是待確認的可能性。
Dev.to Top Tech品質評分6262 研究發現 40 個遭凍結的 TRON 錢包新增同一把外部金鑰
USDT 地址遭凍結後,仍能更改 TRON 帳戶許可權;研究者追查這些許可權變動,發現同一把外部金鑰在 40 個遭凍結的錢包被加入為擁有者金鑰,而且都發生在凍結之後。研究者重新下載並核對 95 筆許可權更新交易,重算交易識別碼,也用兩套方法確認 134 個簽署者;其中 10 筆交易由這把金鑰簽署。資料顯示的是共用金鑰與交易簽章,無法證明誰控制這把金鑰或錢包,也不能據此判定錢包由同一人持有。
888Embody品質評分4242 每日論文雷達:19 篇具身 AI 研究,從電路板製作到機器人導航
機器人要做精細工作,常得同時看懂環境、想好步驟,還要把動作控制得很準;只靠一個模型從頭包辦,可能不夠穩。這次整理了 19 篇具身 AI 研究,其中 JARVIS 讓機器人掃描工作區,先在虛擬環境預演設計和製作電路板,再實際動手;ROAM 則把環境理解和機器人的移動控制分開合作,讓四足或雙足機器人在高山、城市等環境中長距離導航。這些研究顯示,把「看懂、規劃」和「精準動作」分工,可能有助機器人處理更複雜的真實工作。
Tom’s Hardware AI & Computing品質評分6464 研究團隊讓 John Deere 332G 滑移式裝載機自主完成特技動作
大型工程機具又重又有力,直接在實機上反覆試錯來訓練 AI 並不實際。研究團隊先在模擬環境中訓練 John Deere 332G 滑移式裝載機,再把學到的控制方式轉到真實機具上。影片中,裝載機能用兩輪平衡、在崎嶇地面行駛、旋轉,也能控制鏟鬥後安全落地。研究人員希望這項研究能為工程、採礦和物料搬運等工作中的重型機具自動化打下基礎。