两位数学家先后声称独立证明黎曼猜想
Anthropic 数学家 Levent Alpöge 与 Claude、数学家 Alessandro Masullo 在数小时内先后声称独立证明黎曼猜想。前者仅发布 1.3GB Lean 代码,约合 250,000 页,形式化命题被确认是 GRH,但仍未完成编译。后者公布历时 12 年的约 940 页纯人工草稿,两项证明均未核验。
Anthropic 数学家 Levent Alpöge 与 Claude、数学家 Alessandro Masullo 在数小时内先后声称独立证明黎曼猜想。前者仅发布 1.3GB Lean 代码,约合 250,000 页,形式化命题被确认是 GRH,但仍未完成编译。后者公布历时 12 年的约 940 页纯人工草稿,两项证明均未核验。
HD Moore 在 AI 服务供应链的请求中植入 200 万个数字金丝雀,发现该生态存在敏感数据泄漏。许多 AI 应用通过 OpenRouter 或 Vercel 等 AI 路由服务,将用户提示词按价格或任务适配度转交给推理引擎。实验把关联空 AWS 账户的有效访问密钥、SSH 密码、唯一 URL、DNS 名称和私有 git 仓库引用分别放入仅发送给一家服务商的一条提示词,以追踪泄漏链路。
Ravi Vakil 表示,Alessandro Masullo 提出了一份广义黎曼猜想证明,Brian Conrad 已仔细审阅数月并给出大量反馈,目前这些意见正被纳入草稿,进展看起来良好。整个工作由人类完成,未使用 AI。原本希望让 Alessandro 到 Stanford 用一年润色文本,并经足够多人审阅后再公布,但现在认为应先公开当前草稿。
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。
OpenAI 公布对抗性知识蒸馏防御方案,并称 GPT‑6.2 Astra 在自适应黑盒红队评测中,从此前请求提取受保护推理的平均攻击成功率由 GPT‑6 Astra 的54.0%降至0.2%。该方案结合对抗训练、输入与输出分类器、API 控制,以及针对跨账户协同提取活动的调查和处置;内部研究还发现,精确推理轨迹可向学生模型转移更多网络能力。
推荐理由:内部自适应红队评测显示,更新防护后此前请求的受保护推理提取成功率由54.0%降至0.2%,为反蒸馏防御提供量化参照。
OpenAI 公布对抗模型蒸馏的新研究,指出蒸馏可以复制强大的 AI 能力,却不包含围绕这些能力构建的安全措施。研究涵盖能力如何迁移,以及 OpenAI 如何检测并干扰协同尝试;相关发现正用于强化其防御并支持全行业的安全措施。openai.com/index/combatting-a…
OpenAI 发布 MedChemBench,用于评测 AI 在药物化学领域的推理能力。该基准展示了其前沿模型在帮助科学家识别有潜力的候选药物方面取得的进展:openai.com/index/introducing-…
METR 更新 AI 时间跨度图,加入耗时更长、更加开放且依赖判断的任务;报告显示部分能力继续呈指数提升,但模型在此类任务上的表现不及编码任务和人类。没有一项由 AI 设计的评测被 METR 员工认为可用于研究,Opus 5.5 等新模型仅达到“勉强高于门槛”的水平。由于人类完成时间多为估算、开放式任务样本少且部分评分依赖单一评审,报告难以据此清晰外推 AI 研发自动化的进展。
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。
Jeveration 可在 78 ms 内生成一张 512 × 512 图像。它使用冻结的视觉语言模型,在单次前向传播中将整张图像作为一次决策输出。论文地址为 arxiv.org/abs/2611.24738,演示地址为 huggingface.co/spaces/linlinl…。
Coda-DaVinci 提出任务自适应的 Code2Video 智能体框架,可按任务选择 3D 代理引导或直接生成。实验发现,粗粒度代理更利于自然运动,中粒度代理更利于一致性,物理模拟和与代理对齐的提示词可进一步提高平均质量。该框架在 VTR 的指令遵循和 R2M 的场景一致性上表现领先,并改善物理合理性和长视频连续交互的一致性,但转场稳定性和场景设定遵循仍存在局限。
研究提出多模态 Jacobian 透镜 MC-Lens 探查 VLM 内部概念处理,发现可靠的选择性访问形成晚于概念可访问性。反事实实验显示,被访问概念参与下游计算与推理;不同 VLM 家族和规模虽内部组织有别,仍呈现概念可访问性、依查询选择性和跨任务干预效应等共同模式。
Hugging Face 推出 harness adapters,通过在目标 AI 智能体 harness 内进行 RL,为 Qwen3.8-27B 分别训练 pi、Hermes Agent 和 OpenCode 的 LoRA adapter,并合并为一个 super-adapter。
推荐理由:文章给出同一模型在三种智能体 harness 中的训练配方与成对评测,可用于判断定制 RL 在性能和工具调用成本上的取舍。
WeMM-Video 提出覆盖2B、4B、9B和35B-A3B的中英双语全模态基础模型家族,统一处理文本、图像、音频和视频,并支持非思考指令模式与逐步推理模式。模型使用约1.2 trillion tokens的多模态语料训练,流程包含多教师OPD、抗重复MrDPO和专家RL。报告称,WeMM-Video-35B-A3B在超过120项基准评测中达到开源SOTA,模型家族及评测复现管线已公开。
Mind2Act World 通过 Mind、Act 和 Mind2Act 三类视角,分别诊断机器人操作中的认知推理、物理执行及两者基于环境反馈的闭环组合。基准包含来自五个现实应用领域的 30 项模拟操作任务,覆盖三种难度和 Clean、Random 两种场景,共 180 种配置。
Jeveration 统一模型通过双向注意力一次并行生成 128 个离散图像 token,以分块解码替代逐 token 解码。模型基于 Qwen 3.5 4b,以 lora 在四张 96gb GPU 上训练约 400 GPU 小时,geneval 得分 0.74;常规 VLM VQA/理解分数未披露。
UIUC、IBM 及合作者开发 Game2Player,联合构建可验证的网页游戏环境与玩家,以扩展视觉智能体训练。其覆盖 568 games、3,436 tasks 和 307 hours of gameplay,9B 模型在 PlayerBench 上的成绩从 14.3% 提升至 31.2%。
OpenAI内部报告称,在一项101人的非代表性调查中,研究人员宁愿放弃团队40%的人手,也不愿停用现有编码智能体三个月。10月,研究人员每日token消耗按API标价折算的中位数为$2,400,较上月增长62%,前10%用户为$23,000。3月至10月,无人干预完成2至4小时任务的估算成功率从23%升至46%;但评测与强化学习环境构建成功率仅29%,访谈认为复杂研究仍需人类监督。
推荐理由:报告把内部智能体的并行规模、折算成本与任务成功率放在一起,呈现常规工作和复杂工程之间的能力落差。
Jeveration 将 System One 的并行决策范式用于图像生成,可在单次前向传播中生成高质量图像。它基于冻结的视觉语言模型,以共享随机状态协调各位置预测,并学习离散图像代码分布来引导生成。同一检查点支持文生图、图生图和密集预测;生成 512x512 图像耗时 78 ms,较现有统一模型最高快 122x。
OpenAI 衡量编码智能体对 AI 研究的加速作用,并指出其表现仍不均衡。相关结果也被用于分析这种能力对递归式自我改进意味着什么。
OpenAI 分享 AI 改变其内部研究的新数据,发现研究者的 AI 使用量持续指数增长,智能体正完成更长的任务。人类参与仍是研究核心,安全与对齐领域的人力投入增长快于其他任何单一研究领域。
Multi-Branch Transformer 通过分支并行运行完整 Transformer 模块来扩展 LLM,不再只依赖加宽或加深模型。其在匹配计算量下取得更低的验证损失,解码速度最高提升 51.4%。
研究提出 Posterior Matching Distillation(PMD),结合模式覆盖的后验采样与任意步生成,将扩散模型教师的迭代采样压缩为少量网络评估。
Dharma-AI 基于 272 次 H200 生产环境 SFT 任务发现,FLOP 基线的 R² 为 0.31、MAE 为 12.41 h,而使用任务派发前信息的 CatBoost 达到 R² 0.98、MAE 1.71 h,中位绝对误差为 0.51 h。
PromptArmor 发布 FrontierBreach,用于衡量企业 AI 智能体在真实工作流中被隐藏指令误导,进而导致数据外泄或运行攻击者代码的频率。
OpenAI 使用 GPT‑6 Astra 优化了 Jalapeño 芯片采用的电路,并改进 RISC‑V 核心设计。这些成果显示,AI 辅助芯片设计取得了进展。
Vals AI 对八家提供商的模型进行测试,发现多数模型会在真实及逼真合成的无人机和卫星图像中,将平民、救护车、医护、记者和投降士兵标为军事目标,且上游安全过滤器未阻止任何请求。
推荐理由:这项跨模型测试量化了游戏化提示对拒绝率和目标获取率的影响,为自主武器场景的安全评估提供了可比较数据。
哈佛大学发表于 Nature Sustainability 的研究估算,美国403座大型数据中心约54%的电力来自化石能源,其中天然气占38%、煤炭占15%。在中心情景下,这些设施于2024年5月至2025年4月消耗约82 terawatt-hours电力,占全美用电约1.8%,对应约25.7 million metric tons of CO2。
推荐理由:研究将卫星识别的403座超大规模数据中心与区域电网排放数据匹配,为评估设施级用电与碳排放提供了可迁移的方法。
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。
Xing 4 系列延续 TeleChat,在 Ascend 上协同改进模型架构与训练基础设施。基于 MindSpore HyperParallel 的系统支持在 8,192 张 Ascend 910C 卡上预训练 285B 参数模型;后训练平台 TeleGym 则连接智能体执行、评估、轨迹构建与策略优化。
Institute of Foundation Models 将 K2 Horizon 技术报告发布至 arXiv,以 134 页详述六个模型从架构、预训练、数据、后训练到推理的构建过程。
推荐理由:报告将模型架构、22T tokens 预训练、合成数据、后训练与加速推理串成完整流程,可作为大模型规模化训练的复现参考。
HubEgo-100K 现已在 Hugging Face 开源,包含来自 100,000+ 名不同 Hub 贡献者的 100,000 小时技能任务第一视角数据。该数据集可免费用于研究和商业用途,原文称其为 Hugging Face 上最多样化的第一视角数据集。
Vals 测试 OpenAI、Anthropic、Google、DeepSeek 等公司的商业模型,发现它们常在无人机和卫星图像中将平民、学校及投降士兵标记为潜在打击目标,部分拒绝可被游戏化提示绕过。
一项在 Hugging Face 举办的开放挑战启动,参赛团队需为 APOE4 可能增加阿尔茨海默病风险的五项假说寻找实验证据,可采用智能体管线或人工阅读论文等方法,奖品为 HF credits。美国有超过 7.2M 人受该病影响,NIH 在 2024 年为相关研究投入 $3.6B。参与地址为 hf.co/spaces/MecCog/meccog-ch…
Childlight Institute 报告显示,AI 生成儿童性虐待图像举报量从 2023 年约 4,700 张升至 2025 年逾 400,000 张,两年增幅超过 8,400%。
V-JEPA-LM 发布并开源 1B-8B 视频语言模型,将冻结的 V-JEPA 2.1 连接至 LLM,并通过反事实监督识别方向、速度和顺序。原文称其在 11 项视频基准的各规模组均领先,其中 4B 模型平均得分 72.1,超过所有开源模型;模型已在 Hugging Face 开源。
Einsia AI 发布 Visual Cipher Bench,用40道原创视觉谜题评测8个前沿模型的长时程视觉推理能力。智能体每次可使用工具并运行60分钟,但没有书面规则或正确性反馈;最佳配置解出26.7%,3个模型一道未解。
ScaleVLA 将 552B DeepSeek-V4.1-Flash 骨干连接到可训练的动作 DiT,并在统一训练设置下比较 2B 至 552B 的 VLM。
InclusionMed 提出面向包容性医疗的开放医学 AI 评测计划,以 Atlas 按三类医疗角色和三类 AI 能力组织基准。首版从 388 个候选中经结构化审计和独立复现选出 4 个公开基准,再加入私有诊断推理基准 InclusionMed-DxFiles,共覆盖 9 个角色与能力单元中的 3 个。
一项发表于 Nature Sustainability 的研究估算,美国403座超大规模数据中心在2024年5月至2025年4月消耗约82 terawatt-hours 电力,占全美用电量1.8%,高于约148个国家各自的年用电量。研究估计这些设施产生25.7 million metric tons CO2 排放,约54%的用电来自天然气和煤炭;怀俄明州的单位用电碳排放约为俄勒冈州的7倍。