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。
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-…
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。
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。
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。
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。
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。
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。
OpenAI 对 ChatGPT for Academic Researchers 项目中超过 1,800 名参与者的研究显示,科学家自报使用 AI 后生产率接近翻倍。研究采用隐私保护方法,分析他们如何在构思、数据分析和编写代码等工作中使用 ChatGPT,以及这可能对科学发现产生的影响。openai.com/index/science-at-t…
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。
物理学家 Nathaniel Craig 分享了他如何与 GPT-6 Astra 合作构建标准模型的候选格点定义。这是 OpenAI 新科学博客的首篇文章,文章链接为 openai.com/index/step-toward-…。
OpenAI 探索在晶格上定义 Standard Model 的候选非微扰方案,GPT-6 Astra 协助将这一想法转化为详细证明。内容围绕这一候选定义及其证明展开。
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。
Agent Initiative Benchmark 在一家拥有 6 年详细历史、财务模型、CRM 记录、逾期发票和 Linear 工单的模拟公司中,测试了 12 个前沿模型如何通过 Slack 主动协助团队。
OpenAI 转发 Jeffrey Wang 关于 CoT 可监控性的研究,考察无 CoT 能力和 CoT 可控性如何随模型训练生命周期演化。研究发现,随着系统趋向更智能,模型越来越难通过其 CoT 进行监控。
Dan Roberts 宣布数学、计算机科学与物理学领域的三项新发现,涉及调和分析、复杂性理论和量子场论。