跳到正文
今天11月21日周六3 条
  1. TechCrunch · AI79

    AI 辅助与纯人类研究者分别提出 167 年黎曼猜想的证明

    Anthropic 数学家 Levent Alpöge 公布了一份在 Claude 协助下得到、可由 Lean 编译的黎曼猜想解法。数学界仍需时间理解这份形式化结果并形成可供人类交流的解释。与此同时,Stanford 博士后 Alessandro Masullo 公布了历时 12 年、未使用 AI 的广义黎曼猜想证明草稿。

    推荐理由:报道并置 Claude 辅助、可由 Lean 编译的证明与历时 12 年、完全由人类完成的证明,呈现两条路径在可验证性与可理解性上的差异。

  2. The Verge · AI69

    Anthropic 数学家 Levent Alpöge 称借助 Claude 证明黎曼猜想

    Anthropic 数学家 Levent Alpöge 称,他在 Claude 帮助下证明了黎曼猜想,并称该方法可进一步解决广义黎曼猜想。其 Lean 版本目前仅发布于个人网站,尚未获独立核验或 Clay Mathematics Institute 接受。按该机构规则,候选解须发表并经至少两年审查,且获得全球数学界普遍认可,方可被考虑授予 $1 million 奖金。

11月18日周三
  1. Hugging Face 每日热门论文58

    权重空间编程不需要 Transformer

    研究发现,在由 LLM 直接编写目标权重且不使用梯度训练的权重空间编程中,自由设计的架构不必采用 Transformer。三个前沿 LLM 都将纯文本事实编入稀疏表并通过固定程序查询,测试准确率最高达 54.4%;其中一个 LLM 设计的模型比同一 LLM 编写的最准确已发布 Transformer 使用约 1,800x 更少参数,却取得更高测试准确率。

11月17日周二
  1. The Decoder78

    OpenAI GPT-6 Astra 协助构造标准模型晶格化难题的证明

    OpenAI 的 GPT-6 Astra 协助物理学家 Nathaniel Craig 构造一项证明,有望解决标准模型完整晶格化中延续 50 年的数学难题。Craig 提出通过比较逐步细化的晶格来校正重叠费米子的相位,GPT-6 Astra 将其转化为可行构造,并主导详细证明。三位晶格场论专家审阅了证明并提出问题,Craig 表示距离现实模拟仍有大量工作。

    推荐理由:材料呈现了GPT-6 Astra将细化晶格比较策略转化为证明构造的过程,并说明专家复核情况及距离现实模拟尚需完成的工作。

  2. Hugging Face 每日热门论文72

    分辨率假说指出智能体演化的关键在于识别改进

    研究提出分辨率假说,认为智能体演化停滞的瓶颈不是无法生成更好的提示词、技能或记忆,而是噪声评估难以可靠识别改进。对七种演化方法和六个模型开展的超过 10M 次 LLM 调用显示,在候选层面,选择机制区分有益与有害候选的表现不优于随机,错误会逐轮累积。在方法层面,常见的几个百分点差距小于同一方法两次独立运行之间的差异,因此论文中的方法排名往往受运气影响。

  3. Hugging Face 每日热门论文50

    FastFrames:以交互级延迟实现视频生成

    FastFrames 是一系列快速自回归视频扩散模型,在不牺牲质量的情况下实现交互级延迟。其 1.3B 版本在单张 B200 GPU 上达到每帧 36 ms、28 RPS,生成质量与速度慢近 8x 的先进模型相当;14B 版本在 8x B200 GPU 节点上达到每帧 45 ms、22 RPS,并获得更好的视觉质量和真实感。

  4. Anthropic Research80

    Claude Fable 5.2 解决黑洞物理中的两个开放问题

    Claude Fable 5.2 解决了黑洞与量子引力研究中的两个开放问题,并形成两篇预印本。它完成了20多年前提出的计算,结果显示黑洞形成相关相变仍是突变;同时推导出最简单模自举方法的精确极限,其中 M₁ ≤ c/Λ,Λ 约为 9.1266。多个 Claude 智能体运行约六周完成这些工作,结果在9月经 Lean 形式化验证,并由物理学家检查主要结论。

    推荐理由:两项结果分别展示多智能体完成长期搁置计算与跨领域寻找解析方法,为理解 AI 参与理论研究的工作方式提供具体案例。

11月15日周日
11月11日周三
  1. Hugging Face 每日热门论文53

    SO-Arena:评测 System One 模型的能力范围与决策可靠性

    SO-Arena 基准测试评估了 System One 模型在11个领域、五类能力中的能力范围与决策可靠性。它通过证据核验、细粒度难度标准和沙盒交互任务评估能力,并用选项集变化下的决策稳定性和无有效选项时的缺失答案识别衡量可靠性。对21个模型的评估显示,扩展规模和增加推理的收益因领域而异,整体表现最强的 System One 模型在可靠性上排第七。

11月8日周日
  1. Hugging Face 每日热门论文50

    G-STAR:用于深度压缩自回归生成的分组缩放 Token 容量

    论文提出 GSTAR 空间—分组协同缩放框架,在固定名义信息预算下让分组大小随每轴空间压缩因子按平方增长,支持 32×及有效 64×压缩,并引入半自回归解码器。在 1024×1024 分辨率下,模型在单张 NVIDIA H200 上每张图生成耗时 2.5 秒,相比此前离散自回归模型提速 20×,并在五个文本到图像基准上保持有竞争力的表现。

10月29日周四
  1. Hugging Face 每日热门论文50

    TOME-Math 从结构化教材扩展数学证明监督

    该论文提出 TOME-Math,将覆盖大学数学核心领域的2,118本教材转换为约380K条结构化证明监督记录。语料保留章节顺序、命题与证明链接、依赖引用和来源溯源,并用于探索跨学科课程学习与监督规模效应。在完整规模微调中,模型在保留评测和公开基准上的无加权平均分比基础模型高16.7个百分点,并在汇总评估中超过三个公开指令数据基线;作者将发布该语料。