MIT 等校數學家討論 AI 如何改變數學研究
AI 開始解出一些沒有答案的數學難題,也讓數學家擔心,人們是否還能理解證明過程,以及怎麼判斷研究成果的價值。MIT 舉辦座談,邀請 MIT、哈佛等校的數學家討論這些變化。有人認為,AI 產生的證明有些難以理解,數學仍需要人的理解;也有人主張,研究不該只看誰最先解出題目,還要重視能否清楚說明思路。與會者也談到期刊收到更多 AI 協助完成的論文,以及學生面對 AI 工具時如何學好數學。
AI 開始解出一些沒有答案的數學難題,也讓數學家擔心,人們是否還能理解證明過程,以及怎麼判斷研究成果的價值。MIT 舉辦座談,邀請 MIT、哈佛等校的數學家討論這些變化。有人認為,AI 產生的證明有些難以理解,數學仍需要人的理解;也有人主張,研究不該只看誰最先解出題目,還要重視能否清楚說明思路。與會者也談到期刊收到更多 AI 協助完成的論文,以及學生面對 AI 工具時如何學好數學。
AI API 回傳 200,不一定代表模型真的能回答;回應太慢、金鑰失效或只有特定模型故障,也會讓使用者遇到問題。作者建議分開檢視供應商狀態頁、用金鑰讀取模型清單,以及定時送出小型模型請求;真正確認模型能運作,要檢查回應裡是否有完成原因欄位。設定告警時,可從多個地區探測,連續失敗 2 或 3 次再通知,並依實際延遲設定慢速門檻。探測應使用有支出上限的專用金鑰;這種小型請求無法檢查回答品質,也看不到串流中途停止等問題。
AI 是讓電腦處理需要人判斷的事情,機器學習是其中一種做法,ChatGPT 則是用這種技術做出的聊天工具。比方說,垃圾郵件太多,沒人能替每一封信都寫好判斷規則;機器學習會從大量標記好的郵件中找出規律。ChatGPT 會根據讀過的文字猜接下來可能出現什麼,因此能寫文章、解釋概念,也可能很有把握地講錯。記住這三者的差別,就能把 ChatGPT 當成協助學習的工具,重要內容再查可靠來源。
Anthropic 上市後股價下跌,作者認為這不只是單一公司的狀況,整個 AI 投資市場也在走弱。文中提到,Anthropic 股價從 111 跌到 97,盤前看來可能再跌約 9% 至 88;SpaceX 也預計以低於 135 的價格開盤,SoftBank 一夜下跌 14.5%。Gary Marcus 據此判斷,OpenAI 在這種市場氣氛下難以用 1 兆美元估值上市,也警告公司可能面臨現金不足。這些是作者對市場走勢與資金風險的看法。
手機裡的 AI 助理常要人先叫醒,也不一定能把不同應用裡的事情接著做。華為推出 OSTA 星芒 O1 Pro,讓小藝成為手機的主要互動入口,並加入記憶功能,讓它能連結使用者的偏好與不同情境。例如,使用者收藏演唱會資訊後,小藝可以參考常去的餐廳,並在散場前規劃返回飯店的路線。手機也提供小藝 AI 屏和小藝空間,方便檢視日程、長期任務與當下需要的服務;產品售價 5499 元起,已正式開賣。
讓 AI 助理自己挑工作、寫程式並合併,最大的難題是出了錯時沒有人盯著每一步。作者分享一套自動化軟體工廠:人先訂產品目標並核准每個開發週期,AI 助理負責整理需求、設計、實作和檢查;CI 會確認整個產品流程能正常運作,合併關卡則只放行檢查通過的程式版本。作者主張把規則寫清楚哪些事情不能越界、每一步要留下什麼證據,讓 AI 助理自行決定中間做法。遇到產品行為、許可權或外部連線等需要人決定的事,才送交人處理。
AI 助理如果要接著長對話工作,開發者可能想改寫舊訊息或整理成摘要,但這些變動會讓先前的推理無法沿用。OpenAI 說明,GPT-6.2 的推理內容會繫結之前的對話;改寫或插入舊訊息後,API 會移除受影響的推理,模型可能得重新計算,增加 token 用量、成本與等待時間。OpenAI 以六個攻擊模型進行紅隊測試,GPT-6.2 Astra 和 Sol 的隱藏推理提取成功率,在先前輪次與當次請求兩種測試中都低於 1%。開發者可保留原對話並往後追加,也能透過 API 回傳資訊和用量儀錶板檢視推理為何遭移除。
AI 助理要指出程式碼哪一行有問題時,加上行號很方便,但送出的文字也會變多。作者用 Python 3.13 標準函式庫的 131 個檔案比較五種格式,發現常見的 cat -n 排版會讓程式碼多出 42.4% 的 token;行號前補空格也會增加成本。若不需要整份檔案的行號,可以只替相關片段編號,或用「行號加 Tab」的格式,降低額外用量。作者使用 OpenAI 的 o200k_base tokenizer 計算,沒有測試行號是否能提升回答準確度;其他模型的實際比例也可能不同。
AI 生成的文字可以藏入水印,讓機器辨認,但一般人目前還不能檢查 Claude 文字裡有沒有水印。作者用一個可以動手玩的故事網頁,示範 SynthID-Text 如何用秘密金鑰影響選字,再由知道金鑰的偵測器檢查文字中的訊號。若公開金鑰,別人可能移除水印,或替人寫的文字加上水印,因此 Anthropic 目前只讓自己和少數獲準的組織檢查。短故事的測試結果也容易碰巧出現,不能單靠它判定文字來源。
以前要訂閱每月 100 美元起的 Pro 方案,才能使用 OpenAI 的 AI 助理 dots;現在,部分每月 20 美元的 ChatGPT Plus 使用者也開始能試用。dots 有自己的雲端電腦和瀏覽器,可以連線 4,000 多個 App,沒收到新指令時也會用唯讀許可權檢視已連線的 App,尋找能幫上忙的事。這次採分批開放,歐洲經濟區、英國和瑞士暫時不能用,還沒輪到的帳號也不能請客服手動開通。
使用不同 AI 模型或 API 時,價格不容易直接比較,也不容易估算每月會花多少錢。AICost 整理 30 多家供應商、300 多個模型的輸入、輸出和快取 token 價格,並附上各家官方價格頁面與價格歷史,方便檢視差異。網站也提供 API 費用、token 數量、訂閱與 API 費用,以及文字轉語音費用的試算工具,讓使用者依自己的用量估算開銷。
設計高階晶片需要反覆修改電路描述程式碼,花上不少時間。OpenAI表示,工程師用未公開的 AI 模型協助 AMD 設計中的旗艦 GPU 和 CPU,模型改寫描述電路的程式碼後,GPU 的功耗、效能與面積指標最多改善 14%,CPU 則有個位數百分比的改善。OpenAI也說,這項工作花不到 5 個月,相當於壓縮一年的傳統晶片設計工作;這些數字和說法來自 OpenAI,文章沒有提供獨立驗證結果。
推薦理由:OpenAI表示,模型改寫描述晶片電路的程式碼後,AMD GPU 的功耗、效能與面積指標最多改善 14%,可看出 AI 參與晶片設計的具體方式。
同一個 Codex 模型做同一件事,透過 T3 Code 花了 10 分 26 秒,用原生 CLI 則花了 6 分 07 秒。看起來 T3 Code 比較慢,但其中 6 分 6 秒其實是在等人批准清理暫存檔;扣掉等待後,實際工作時間是 4 分 20 秒。T3 Code 少花時間檢查環境,原生 CLI 則多做了不少檢查,還碰上瀏覽器測試卡關。三個版本也都被檢查出問題:兩個有跨分頁資料被蓋掉的錯誤,另外兩個有鍵盤焦點跳走的問題。這次只有各跑一次,時間差可能受網路或排隊影響,還不能當成定論。
MCP 伺服器升級後可能多出或改變工具,但設定檔看起來完全沒變,AI 助理仍可能直接用上新工具。作者用 Python 把兩個版本的官方檔案伺服器工具清單存下來比較,發現新版多了兩個能寫入檔案的工具,其他工具的說明和格式也有變動。文章建議先固定伺服器版本,升級前比較清單、看過新增工具,再只允許已檢查過的工具自動執行。
AI 助理大量產生程式碼,讓原本為人類開發者設計的 GitHub 面臨更大負載,文章也整理了它近年的服務中斷情況。Cursor 推出可和 GitHub 同步的 Origin;OpenAI 用 Pando 支援自家程式庫,並計畫把 Code Storage 整合進 Codex;Anthropic 則在公司內部用 Scion 取代 Git。這些做法各有不同,目前只有 Origin 能讓外部使用者試用,Scion 僅供 Anthropic 內部使用。GitHub 正擴充容量並遷移到 Azure,而它累積的使用者、開源社群和協作習慣,也讓其他平臺不容易取代它。
準備 OpenAI 的程式設計面試時,不同面試可能允許使用 AI,也可能要看你能不能獨立解題。作者用一段 Python 練習示範兩種準備方式:不靠 AI 時,先依照題目要求寫測試、修正程式,並說清楚每個修改的理由;允許使用 AI 時,則要檢查它給的程式有沒有處理到期時間、空值和資料複製等要求,錯誤的修改就算通過簡單測試也要拒絕。作者也提醒,面試規則要看準備資料,不確定時可以先問招募人員。
AI 發展可能帶來哪些風險,政府該不該出手放慢腳步?Y Combinator 邀請 Jacob Coxon 和 Robin Hanson 辯論。Coxon 提出超級智慧可能很快出現,也談到模型行為難以理解和風險難以補償;Hanson 則質疑政府管制能否奏效,主張考慮以責任追究等方式處理。兩人也討論 AI 對工作、監管機構和安全的影響,並在最後回應觀眾提問。
新推出的 SaaS 網站,就算外觀好看、跑得快,ChatGPT、Perplexity 或 Claude 也可能找不到,讓使用者問推薦時看不到它。作者整理出網站常見的技術問題,並建議檢查 6 個檔案:例如在 robots.txt 開放 AI 搜尋爬蟲讀取網站,再用 /llms.txt 提供產品與重要頁面的清楚索引。網站也可以加上 JSON-LD 資料,說明品牌、產品和常見問題。把這些資料整理好,AI 助理比較容易讀懂網站內容;付費追蹤工具則只能告訴你有沒有被提到,不能代替修正網站本身的問題。
挑 AI 模型寫程式時,價格和做出來的成果都會影響選擇。Kilo 用同一段提示詞,讓 GPT-6.2 Astra 和 GPT-6.2 Sol 各自做出工人建造金字塔、船隻沿河運送材料的互動 3D 場景。兩者都放好了 204 塊石頭並完成 8 層;Astra 的畫面較像電影場景,Sol 的畫面較簡單,但能清楚顯示每組工人在做什麼。這次每個模型只測了一次,作者提醒結果只能當初步參考,也提供在 Kilo Desktop 重跑比較的方法。
推薦理由:文章用同一個金字塔建造任務比較 Astra 與 Sol 的畫面和操作呈現,也提醒每個模型只跑過一次,結果適合當作初步參考。
打造 AI 助理時,團隊常想先微調模型,但有些案例顯示,工具和檢查流程也會大幅影響成果。文章整理 Clay、Harness-Bench 和 LangChain 的案例:固定模型、只更換工具流程時,分數曾從 52.4 變到 76.2;另一個案例則用流程調整,讓 Nemotron 3 Ultra 在 Deep Agents 測試中的分數接近 Opus 4.8,成本約低 10 倍。作者建議先整理工具、加入檢查步驟並追蹤失敗;只有流程改善停滯,而且任務範圍明確時,再考慮微調。
手動改 Claude Code 和 Codex 的設定檔,常會填錯 API 端點,或選錯服務支援的格式。這篇教學用 NiceAI 示範如何透過 CC Switch 管理兩者的供應商設定:Claude Code 的網址填 https://api.niceai.dev,Codex 則填 https://api.niceai.dev/v1。若服務只支援 Chat Completions,Codex 必須選擇本機轉送,並讓 CC Switch 持續開著。切換後可用簡短提示測試是否收到正常回覆;Codex 還需要關閉並重新啟動,才能載入設定。
OpenAI 研究人員開始用 AI 助理協助開發模型,但工具能不能做好工作,仍會因任務而有很大差別。OpenAI 表示,Codex 曾在研究 GPT-6.2 Astra 時提供想法;10 月時,AI 助理完成預估需人類花 2 到 4 小時的任務比例為 46%,但成功啟動訓練只有 35%,撰寫模型推論與服務系統程式碼則是 25%。研究人員也提到,AI 助理可能沿著沒用的方向繼續做、產出品質不佳的程式碼,因此仍需要人類密切監督。這些資料呈現 AI 工具正逐漸進入研究流程,也顯示人類仍是其中的重要角色。
推薦理由:OpenAI 的資料呈現 AI 助理參與研究的成長與落差,可用來理解哪些工作已能交給工具,以及人類監督仍扮演的角色。
換用不同 AI 工具時,常得重新說明專案背景和工作進度。OwlMem 把記憶放在同一個地方,連上服務的 AI 都能讀取;例如在 Claude Code 記下專案如何部署,再到 ChatGPT 詢問,就能接著回答,不必手動搬資料。作者也提供自動安裝和手動設定方式,首次連線時要登入並授權。免費方案可連線兩個 AI;ChatGPT 自訂連接器能不能使用,則取決於方案和工作區設定。
澳洲正研議 AI 相關政策,音樂著作權是否放寬成了創作者與 AI 公司爭論的焦點。國際唱片業協會擔心,若 AI 公司能直接抓取網路上的音樂來訓練模型,其他國家也可能跟進;Anthropic 曾提出讓內容預設可用、由版權方主動要求停用的做法。澳洲政府表示,修改著作權法時會保障創作者掌控作品並取得收益。唱片業者也指出,已有唱片公司和 AI 公司談成授權合作,認為雙方可以透過協商取得作品使用權。
公司常發現 ChatGPT 回答品牌問題時,引用了媒體和評測網站,卻沒連到官方網站。這篇文章整理可能原因:網站缺少清楚的公司介紹、可比較的價格或規格,或搜尋爬蟲無法讀取頁面;即使允許爬取,也不保證內容一定會被引用。作者建議先檢查 robots.txt 和伺服器紀錄,再補上能獨立讀懂的介紹、資料表、適用限制與更新時間。文章也提醒,評價和比較問題仍需要第三方資料,並建議定期重測引用來源。
整理發票、對帳和月結資料常要在多個地方來回查,出錯時也得花時間找原因。OpenAI 推出 ChatGPT 會計外掛,可連線 QuickBooks、Xero 等軟體,草擬分錄和發票、比對交易,也能找出底稿中的差異,交給人檢查。各家開放的許可權不同,有些只能讀資料,有些能新增或修改帳務紀錄;實際能用哪些功能也取決於方案和工作區設定。核准分錄或報表前,仍要由人檢視佐證資料並做最後決定。產品頁尚未公佈適用方案、價格與地區。
GPT-Live-1.1 的語音費用會隨連線時間累積,閒著沒用時也可能繼續收費。文章整理 OpenAI 的計價方式:使用中每分鐘 $0.05,符合條件的 WebRTC 待機時每分鐘 $0.02,而且按秒計費;後端模型和工具則另外收費。作者用客服通話、線上語言教學和長時間開著的桌面助理,示範不同設定下的費用差異。文中也提醒,WebSocket 和 SIP 不適用較低的待機費率;長時間不用時關閉連線較省,但使用者回來前,系統無法聽見他說話。
把 Mac mini 放在家裡跑 Claude Code 或 Codex,可能遇到電腦睡著、人在外面連不回去,或工作跑到一半中斷的麻煩。作者整理了 10 項開工前的設定和工具:調整 Mac 的電源選項避免自動睡眠,使用 Tailscale 從外面連回家,再透過 SSH 和 tmux 讓 AI 助理在背景繼續工作;需要點畫面時,也能用 Screen Sharing 操作桌面。像是先在 tmux 裡啟動 Claude Code,就算把筆電闔上,之後仍能從手機或另一臺電腦接回工作。這些設定能讓遠端工作更方便,也能用 TokenBar 檢視 Claude 和 Codex 的用量與重設時間。
Anthropic 在 Nasdaq 掛牌,成為首家上市的前沿 AI 公司,首日股價上漲 17%。這次 IPO 募資約 813 億美元;公司上市檔案也顯示,營收快速成長,但已承諾的採購與租賃支出總額達 8,954 億美元,主要用於 AI 算力和基礎設施。由於算力合約要多年付款,收入卻會隨客戶實際使用量變動,若營收成長放慢,可能帶來資金壓力。執行長表示,公司會依安全需求調整模型訓練與部署速度;上市也引來反 AI 團體抗議,要求加強監管。
推薦理由:Anthropic上市檔案呈現營收快速成長與巨額算力支出承諾並存,能看出AI公司的商業收入和長期成本如何拉扯。
推薦理由:這項實測比較杯子任務與摺毛巾所需時間,也記錄機器人實際移動的時間比例,呈現操作速度的變化。
發票和付款一多,光靠眼睛核對很容易漏掉。這篇教學用 Make 監看 Google Sheets 裡的新發票和付款,再請 OpenAI 比對金額、日期和付款參考資料,把每筆發票標成「已對上」、「部分付款」或「尚未找到」,對不上的付款則放進另一個工作表,留給人檢查。 教學用 18 筆虛構發票測試,15 筆很快對上,3 筆需要複查,其中一筆付款是 $320.00,卻沒有參考資料。這套流程能省下人工逐筆核對的時間,但遇到資料不足時仍可能判斷不清;它也不會替你入帳或催款,因此要定期檢查待複查的專案。
Whisper.cpp 可以用 CPU 或 GPU 把語音轉成文字。這份教學帶你準備伺服器、下載 Whisper.cpp 專案,再用不同的 Docker 設定檔,分別打包成適合 CPU 或 GPU 的容器映像檔,最後上傳到容器登入庫。文中範例做出的 CPU 映像檔大小是 608MB,GPU 映像檔是 2.76GB;使用 GPU 版本時,主機的 CUDA 版本要符合設定檔要求。完成後,就能把映像檔放到轉錄流程中使用。
推薦理由:這套流程把故障調查、反駁診斷和提出修正分開處理,資料也呈現了找出原因與修正獲採用之間的落差。
進行資安調查時,需要把工作環境設好,並在調查過程中注意安全。OpenAI 的 Daybreak Red 指南說明如何架設隔離環境,並介紹環境架構、安全措施、環境設定,以及如何執行和監看調查,讓人能依照指南準備並進行調查。
律師事務所挑選 AI 處理客戶案件時,既要看回答是否可靠,也得考慮每件工作的成本。Legora 公佈的 11 月測試中,Meta 的 Muse Wonder 整體品質最高,並在分析與回答、資料擷取、撰寫和編輯四類工作領先;OpenAI 的 GPT-6.2 Astra 則在比較與審查任務領先,案件成本比平均低 20%。GPT-6.2 Sol 的品質高於平均,案件成本低 78%。Meta 沒有公佈 Muse Wonder 的案件成本,因此這份結果能比較表現與部分價格,還看不出品質領先值多少錢。
把 API 金鑰放進公開的容器映像檔,可能很快就有人拿來呼叫服務。研究團隊在 Docker Hub 等 8 個儲存庫放入 300 個蜜罐映像檔,記錄到超過 14 萬次使用 AWS 測試金鑰呼叫 API 的活動;Docker Hub 上的 100 組測試金鑰全在發布後 15 分鐘內被使用,最快只隔 7.86 秒。研究人員推測,自動化工具可能直接檢查映像檔內容,不必執行容器。團隊建議在 CI/CD 流程中檢查金鑰;若發現外洩,應撤銷或輪替憑證,光刪除映像檔並不足夠。
AI 助理講話時,使用者有時需要插話或補充細節。OpenAI 的 GPT-Live 1.1 可以一邊說話一邊聽,也能讓來電者打斷或補充內容;相較前一版,它的語音轉文字更準確,跨語言時的口音和聲音也更一致。這個模型已能透過 Vercel AI Gateway 使用,原本串接 GPT-Live 的程式只要換成新的模型 ID。若開啟代辦功能,AI 助理可以請其他文字模型幫忙,再把結果轉成語音;這些代辦請求會另外計費,而語音工作階段在代辦執行期間仍會繼續計費。
Codex 使用者在切換工作或遠端連線時,可能會遇到進度中斷、內容不好檢視的問題。OpenAI 的 Codex 0.171.0 把 TUI 工作區預設開啟,新增可搜尋的檔案預覽、圖片預覽和 AI 助理對話紀錄,也加入 GPT-6.2 Sol 和 Astra,並預設選用 Sol。這次更新還能用 codex exec --remote <ADDR> 在既有的 app server 上開始或接續工作,也為提示詞編輯器加入復原與重做,並保留附件和大量貼上的內容。
推薦理由:這次更新把工作區、遠端連線與編輯操作整合進 Codex,能從日常使用流程看出它如何讓工作接續與管理更方便。