36 種語言裡,大家最常搜尋哪種食物的熱量?香蕉和雞蛋並列第一
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。
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。
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。
AI 模型在藥物研究題目拿高分,不等於真的能找到新藥。OpenAI 推出 MedChemBench,讓模型根據分子結構和實驗結果,回答研究人員接下來可以測試哪些化合物。GPT-6.2 Astra 在其中拿到 84.5% 的可得分數,但這些題目是從已公開的論文和專利整理而來,考的是重建過去研究中的判斷,不是拿新化合物做實驗。不同題目的給分方式也不一樣,總分可能看不出模型在哪些任務上較弱。要知道模型能否幫上實際研究,還得看它提出的選擇經過實驗後是否有效。
推薦理由:MedChemBench 把模型表現拆成多種藥物化學任務,能看出整體分數背後哪些能力較強、哪些仍有限。
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。
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。
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。
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。
評估 AI 助理控制的機器人,不能只看模型答得準不準,還要看它能不能安全、穩定地完成整個任務。機器人會在移動時遇到新障礙,燈光、地面和感測器狀況也會影響表現;就算辨認物品很準,動作太慢或機械控制不準,還是可能拿不到東西。好的評測會讓機器人在模擬環境、實驗室和真實場地反覆做任務,同時觀察完成時間、耗能、失誤後能否恢復,以及有沒有碰撞或傷人的風險。這樣比較才能看出機器人離開理想環境後,是否仍能可靠工作。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
黎曼猜想關係到質數實際分佈和平均估計之間的差距,至今仍沒有獲公認的證明。數學家 Levent Alpöge 聲稱與 Claude 找到黎曼猜想及廣義黎曼猜想的證明,並把論證寫成 Lean 程式;他公開了四頁宣告和 14 個程式分卷連結,提到草稿曾超過 25 萬頁。Lean 可以檢查數學推導,但還要確認程式證明的命題確實對應原本的猜想,並檢查完整推導和使用的前提。外部專家仍須檢視論證,作者的聲稱也不等於已獲獨立驗證。
推薦理由:這項聲稱的關鍵不只在 Lean 程式能否編譯,還要核對程式證明的命題是否就是黎曼猜想,以及完整推導有沒有外部專家驗證。
黎曼猜想是數學界的重要難題,但這項宣告目前沒有附上論文。Anthropic 數學家 Levent Alpöge 在個人網站表示,他與 Claude 合作證明瞭黎曼猜想,並公佈 14 個壓縮檔,裡面有 175187 個 Lean 檔案、共 1737 萬行程式碼。文章整理了這項宣告的技術路線,也指出驗證工作尚未完成,因此目前應把它視為待查證的證明主張。
黎曼猜想是數論中的經典難題,美國數學家 Levent Alpöge 聲稱已找到一般性證明。他表示,自己和 Claude 合作完成論證,也完成了形式化工作;這套方法還可能用來證明廣義黎曼猜想和擴充套件黎曼猜想。不過,他說目前的論證非常冗長,檔案也難以閱讀,正在設法簡化。這篇報導轉述的是他的主張,沒有提供外部審查或驗證結果。
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。
OpenSSL 的 Base64 編碼函式 EVP_EncodeBlock() 有緩衝區溢位問題,輸入長度太大時,計算結果可能超出可用範圍,讓函式寫到預留空間之外。修補提案會在遇到空緩衝區、負數長度或長度計算溢位時停止處理;作者也指出,搭配 GOST 提供者,透過環境變數傳入超長密碼,可觸發這個問題。修補程式仍在審查,尚未合併,也沒有官方安全公告或確認受影響版本清單。作者未能在自己的環境重現漏洞,因此相關說明來自提案與程式碼審查。
黎曼猜想是數學界長年未解的難題,和質數如何分佈有關。Levent Alpöge表示,他和Claude一起找到證明,也把論證整理成 Lean 程式碼;他還聲稱,這個方法能延伸到廣義黎曼猜想。他說完整論證目前很長,自己也還沒完全掌握其中的數學細節,打算繼續整理並寫清楚。現在能確定的是他提出了這項主張,文章沒有交代其他數學家已確認證明正確。
要確認現代密碼方案是否安全,研究者得找出實際可行的攻擊方法。MiniMax 研究團隊表示,他們用內部研究模型 MIM 自動分析多種密碼方案,涵蓋 NIST 候選演演算法、同行評審方案和公開挑戰基準,並把部分理論攻擊做成可執行的攻擊。團隊也開源技術報告、PoC 程式碼與驗證軌跡;材料沒有列出受影響方案或攻擊細節。
推薦理由:報告整理 MIM 對多種現代密碼方案的自動化分析與可執行攻擊,並提供 PoC 程式碼供人檢視。
通用模型搭配不同 AI 助理工具時,可能會多花時間和 token,解程式問題的表現也不夠好。Hugging Face 團隊把強化學習直接放進 pi、Hermes Agent 和 OpenCode 這三種工具中,分別為 Qwen3.8-27B 訓練介面卡,也把三者合併成一個版本。測試顯示,各自的專用版本在對應工具和程式開發基準上都優於原模型,完成任務時也少用工具;合併版本則能在三種工具中使用。這套流程與訓練資料也公開,讓其他人能照著調整自己的模型和任務。
推薦理由:這套流程把強化學習放進實際使用的 AI 助理工具中,並比較專用與合併介面卡的成效,可供重現與評估程式開發任務。
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。
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。
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。
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。
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。
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。
一般程式測試會直接告訴 AI 助理哪裡有錯;SWE-sweep 則給它一個真實程式庫,讓它自己找出問題並修好。這項基準測試涵蓋 100 個程式庫、22 種語言中的 4,068 個已知錯誤,並用隱藏測試確認修正結果。受測模型中,表現最好的只修好 4.7%。這顯示,在大型程式庫裡,找出錯誤可能比修正錯誤更難。