Google DeepMind 的 AlphaProof Nexus 在 Science 期刊發表,成功證解多項開放數學問題
AlphaProof Nexus 是 DeepMind 基於 Gemini 3.1 Pro 與 Lean 形式語言的 AI 証明系統。它在 Science 期刊發表的研究中,獨立證解了 353 個 Erdős 問題中的 9 個、OEIS 數列的 44 個猜想、以及代數幾何的一個未解問題,並改進了 min‑max 最佳化的已知界限。
AlphaProof Nexus 是 DeepMind 基於 Gemini 3.1 Pro 與 Lean 形式語言的 AI 証明系統。它在 Science 期刊發表的研究中,獨立證解了 353 個 Erdős 問題中的 9 個、OEIS 數列的 44 個猜想、以及代數幾何的一個未解問題,並改進了 min‑max 最佳化的已知界限。
summary_zh: MASS 利用多代理自我監督機制,將團隊集體智慧蒸餾成自我監督訊號,提升研究基準上每個輸出 token 的分數。 - 核心機制:MASS 透過內部工作流程搜尋與外部自我訓練迴圈,將多代理協作成果蒸餾到共享模型。
僅 10 分鐘使用 AI 就能顯著削弱人們對困難任務的持續力,UC Berkeley 團隊的研究在 Language Modeling Conference 上公佈。
summary_zh: Google Gemini 4 “Carbon” 模型在內部測試中,程式碼任務表現超越同系列的 Argon,甚至被員工稱為與 Anthropic Opus 5.5 相媲美。
summary_zh: Pushmeet Kohli(Google DeepMind)與 Sal Candido(Biohub)在一次專題小組討論中指出,AlphaFold 雖突破性預測蛋白質結構,但仍未解決蛋白質摺疊的核心問題,並呼籲未來 AI 需要更大規模、正確資料與新架構來理解整體生物系統。
InnovationEval 研究測試大型 AI 模型在端到端自動化研究中的能力,發現目前主流模型在創新發現上仍遠落後於人類研究者。 - 評估方法:以「on‑policy self‑distillation」為基準,要求模型獨立設計並實現超越 GRPO 基線的後訓練技術。
數學界對 OpenAI 於 10 月 6 日公佈的 100+ 數學問題解決公告,發表了大量個人反應。 - 公告內容:OpenAI 宣佈對 4000 個開放問題中約 700 個取得進展,並公開 100+ 具體解答。
ONNX Runtime CUDA Plugin EP 0.3.0 正式發布,針對模型推理與硬體加速帶來多項關鍵功能更新與效能最佳化。 - 核心亮點:加入稀疏注意力機制(Sparse Attention)與打包連續批次(Packed Continuous-Batching)支援,並引進 INT2 與混合寬度 QMoE 執行、解碼核心調校及可靠性修復。
推薦理由:微軟釋出 ONNX Runtime CUDA Plugin EP 0.3.0,加入稀疏注意力與 INT2 混合量化等效能最佳化功能,開發者可據此評估升級以提升模型推論效率。
ONNX Runtime CUDA Plugin EP 0.2.0 版本正式發布,與 ONNX Runtime 1.30.0 版本相匹配,帶來擴充套件的量化推論與注意力支援、核心效能提升及可靠性修復。
OpenAI 近期在一個月內釋出超過 700 篇 AI 生成的數學證明,促使數學界多位菲爾德獎得主呼籲抵制該公司。 - Terence Tao(菲爾德獎得主)在部落格發表宣告,警告 AI 產出證明缺乏人類驗證,可能「汙染」數學研究。
OpenAI 本週公佈的數學解決方案,仍未滿足學術界對人類可理解性與正式化的標準。 - 證據來源:OpenAI 釋出 719 篇論文,僅 10 篇附上模型推理過程,42% 的解答未經正式化驗證。
Step 5 Preview 是 StepFun 推出的 1M 上下文視窗稀疏 Mixture‑of‑Experts 模型,已於 OpenRouter 上線。
新一代 GPU 換了硬體,原本的模型服務和訓練程式也得重新調整,才能把運算資源用得更好。SGLang 團隊在 NVIDIA Vera Rubin 上測試推論與訓練:他們調整注意力、專家模型和資料傳送等程式,讓 Kimi K3 在特定設定下跑得更快;例如,合併多個小步驟後,每次生成少了 276 次程式啟動,整體速度提升 5.9%。Miles 也能在這套硬體上進行強化學習訓練,包含讓 AI 助理在沙盒環境中解題。這些是初步測試,團隊接下來會擴大規模並繼續改善效能。
推薦理由:這篇實測拆解 Vera Rubin 上的推論與訓練調整,並列出各項改動帶來的速度差異,可看出硬體資源如何影響 SGLang 的最佳化方向。
summary_zh: Google Gemini Notebook AI 在三個月實驗中,對專利撰寫律師的工作表現產生了顯著提升,但對初級律師的長期專業判斷影響有限。
Glyph Cluster 於 AI Gateway 以免費試用方式提供,支援編碼推理、功能呼叫與多步驟分析。 - 功能:可審查程式碼、解釋失敗、除錯、提出改動,並透過 function calling 與自訂工具連結。
summary_zh: OpenAI 宣佈的 Navier–Stokes 方程自然語言證明被 AI 系統翻譯成 Lean,結果發現形式化證明與原證明不符,顯示 AI 自動形式化在語義保真上存在嚴重問題。
OpenAI 內部模型近日在 GitHub 公開 722 篇數學論文,涵蓋 372 個研究領域,平均每篇使用 3 小時 ChatGPT Pro 推理,並聲稱解決 90/500 主要開放數學問題。
Jev 驅動的 SRE 診斷流程在 21 個 SREGym‑Lite 故障中達到 76.2% 的通過率。 - 診斷時間:平均 14.6 秒,單次呼叫 2.4 次 Jev API,平均延遲 0.53 秒。
我們即將發布一系列由內部前沿模型產生的新數學成果。 我們已經諮詢了位於先進研究院的獨立數學與人工智慧諮詢小組,並採納了他們的建議。
Mistral Large 4(代號「Le chonk」)於 2026 年 10 月 6 日推出,擁有 1 兆引數、49 兆活躍引數,並以 3,800 顆 NVIDIA Grace Blackwell GPU 進行訓練。
summary_zh: Mistral Large 4 在基準測試中被用來生成 SVG,與 Claude‑opus‑5.5、gpt‑6.1‑sol、gemini‑3.8‑flash 等前沿模型一起比較,顯示 benchmark 已飽和。
Mistral Large 4 是歐洲首個千億引數多模態模型,已在歐洲資料中心訓練並公開預覽。 - 引數與結構:總共 1.05 萬億引數,49 億為活躍引數,視覺編碼器 1.6 億引數,1 百萬 token 上下文視窗。
Falcon-Emirati-7B 是基於 Falcon-H1-Arabic 的 7B 引數模型,專門針對阿聯酋阿拉伯語方言進行調校。\n- 核心特性:使用 Mamba 與 Transformer 混合架構,支援 128K/256K token 上下文。
GLM 5.3 已在 Amazon Bedrock 上提供,支援跨區推理、提示快取與完整的 OpenAI 相容 API,適用於長期編碼與代理工作流程。 - 模型規模:753B 引數,混合專家架構,針對編碼與長期代理任務最佳化。
summary_zh: 我讓多個 LLM 進行「玩樂」測試,結果較舊模型更有趣,而 opus 4.6 連續獲勝。 - 玩法:大多數模型玩文字遊戲;opus 4.6 則創造「矛盾世界」於落水滴中。
Beam 是 Reflection 推出的首個 501B 引數、稀疏 MoE 開源權重模型,專為編碼、推理與代理任務設計。 - 引數規模:總 501B,活躍 23B,採用稀疏 MoE 架構。
Reflection AI 正式推出 Beam,首個開源權重 AI 模型,聲稱能以 3‑4 倍更低的推理成本匹敵中國開源模型的先進推理表現。
本篇報導說明 OpenAI、Anthropic 等實驗室在數學領域取得突破,並引發學術界的爭議與反思。 - 突破:解決多項長期未解的數學問題,甚至包括千禧獎問題。 - 社會反應:學術界對 AI 介入數學的成果表達質疑與批評。 - 未來展望:實驗室表示將汲取經驗,與頂尖數學家合作,避免重蹈覆轍。
summary_zh: 研究人員測試了本地 Qwen3.8-27B-Q4_K_M.gguf 模型在不使用推理的情況下,將正整數相加並以英文單詞輸出結果,達到 23.57% 的數值準確率。
這篇指南說明瞭如何在 Claude 與 Claude Code 中使用 Opus 5.5,並提供實用的提示與設定。 - 核心功能:Opus 5.5 可長時間執行、先行思考、明確回報工作進度。
核心事件:Aleph Alpha 發布 Kolibri,一款擁有 78B 引數、1M 上下文長度的英德雙語 Mixture‑of‑Experts 模型,並以 Apache 2.0 授權公開完整權重,方便企業在本地化與合規環境中部署。
Kolibri 是 Aleph Alpha 於 2026 年 10 月 3 日發布的開源多語言 LLM,擁有 78.1 B 引數,單個 token 只活躍約 3.46 B,支援德語與英語,並可在 1 M token 上下文中執行。
summary_zh: 團隊在一個月內專注於 GLM 5.3 Flash,雖然首半月順利,但後半月因 1B tokens 分配到其他模型及基礎設施問題,導致成本與能源使用超標。
summary_zh: OpenRouter 於 2026‑10‑02 推出 Model Router Benchmarks 頁面,讓使用者可比較 Auto Router、Free Models Router 等路由器在品質、速度與成本上的表現。
summary_zh: Cathy Wu 以強化學習研究交通系統,提出一種演算法可將訓練效率提升 30 倍,並證明智慧駕駛速度控制可降低車輛排放 11%–22%。
summary_zh: 數學界因 AI 在數學領域的快速突破而陷入悲痛與不安。 - 情緒階段:數學家在否認、憤怒、談判、沮喪等五個階段中表達對 AI 影響的擔憂。