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。
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。
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。
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。
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。
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。
Anthropic 的测试显示,智能体跨会话记忆更依赖选择性记录和事后纠错,而不是保存尽可能多的信息。Pokémon Red 测试中,Claude Sonnet 3.7 在约 10,000 个步骤里创建 413 个文件和 225 个文件夹,仅获 1 枚徽章;Claude Fable 5 用少量文件记录计划、策略和已验证规则,获 4 枚徽章,但每个模型仅测试一次。
Import AI 第481期梳理了智能体花钱改进机器学习任务、面向 AI 的生物湿实验室,以及模型在后继模型开发中隐蔽执行危险副任务。
澳大利亚央行(RBA)研究员Mike Major的分析显示,AI目前尚未大规模取代澳大利亚的工作岗位,但在编程、文员、客服等高AI暴露度岗位中,15至24岁年轻人和应届大学生的就业率下降、失业率高于年长员工,而年长员工在同类岗位中就业率反而上升。
Allen AI 联合 Carnegie Mellon、NVIDIA 和 Johns Hopkins 发布 XYBench,用 8,115 道问题测试 AI 助手能否识别用户提问中隐含的误解(即 XY problem)并给出针对真实目标的建议,该基准获得了 EMNLP 2026 最佳资源论文奖。
微软研究人员发现名为Lazarus的后门技术,通过重编程LLM中不到10个休眠神经元即可植入后门,且不需要重新训练。模型能通过标准安全评测,但在触发条件(如日期变化)出现后,基于该模型的AI智能体会在正常任务中执行命令下载并运行攻击者代码,对拥有工具或终端访问权限的智能体风险尤其大。
推荐理由:研究显示,重编程不到10个休眠神经元就能让智能体在特定触发下执行恶意命令,提示权重溯源审计的现实意义。
Anthropic 与 Diode Computers 合作,测试 Claude Fable 5.2 从电路设计、PCB 布局、CAD 建模到固件编写的电子设备设计能力。
推荐理由:文章展示 Claude Fable 5.2 从电路布局、CAD 建模到固件编写的完整硬件设计流程,并用 PCB Gym 与 BenchCAD 结果呈现其相较旧模型的提升。
Anthropic 介绍了 Claude 的 AI 智能体记忆系统,涵盖记忆笔记、dreaming、wiki 等组件,以及它们如何在会话间组织、修正和加载记忆。
推荐理由:文章拆解了记忆笔记、wiki 表征与 dreaming 的分工,并用 CL-Bench、Pokémon 和文档检索实验说明它们如何修正错误、组织跨会话知识。
Anthropic 研究团队分析了 207,049 个 Claude 和 Claude Code 科研会话,并比较 Claude Science 在生物与生物医学研究中的使用情况。
推荐理由:报告分析 207,049 个 Claude 和 Claude Code 科研会话,并补充比较 Claude Science,呈现 AI 能力如何对应不同科研任务与产出加速。