跳到正文

#推理

今日 6 条
10月9日周五
  1. IT之家83

    陶哲轩质疑 OpenAI:719 篇 AI 数学证明,人类真的理解了吗?

    陶哲轩质疑 OpenAI 发布 719 份 AI 数学证明,认为高速生成但人类来不及验证理解会破坏数学研究生态。OpenAI 仅 10 份手稿附推理链,约 42% 未经形式化处理。此事延续自 10 月 6 日 GitHub 发布 722 份后撤回 3 份的公开目录。

    推荐理由:陶哲轩质疑OpenAI批量发布719份AI数学证明,认为以速度数量衡量理解会破坏数学研究的理解与合作生态。

  2. The Decoder45

    数学家呼吁抵制 OpenAI,因 AI 生成证明泛滥冲击数学界

    菲尔兹奖得主陶哲轩等数学家发表声明,呼吁抵制 OpenAI,批评其一次性发布 700 多个文件是“权力的展示”而非学术贡献。此前 OpenAI 曾宣称内部模型单月解决超 100 个未解数学问题,包括纳维-斯托克斯方程。该声明加剧了持续数月的争议,此前 OpenAI 已成立 AGMAI 咨询组,但被指忽视了“不应在内部模型上测试高难度数学问题”的建议。

  3. TechCrunch · AI32

    OpenAI 的数学解决方案尚未达到领域标准

    OpenAI 本周发布的数百个数学难题解决方案未达普林斯顿高等研究院 AGMAI 设定的标准,仅 10/719 份手稿包含思维链,且 42% 的证明未完成形式化。剑桥大学与国王学院的新论文指出,OpenAI 针对 Navier-Stokes 方程问题的自然语言证明与 Lean 代码存在至少两处不一致,引发对模型自主形式化可靠性的质疑。

  4. Latent Space32

    Periodic Labs 的 Liam Fedus 和 Ekin Dogus Cubuk 谈合成超级智能:从半导体到超导体

    Periodic Labs 的 Liam Fedus 和 Ekin Dogus Cubuk 阐述了“合成超级智能”愿景,主张通过物理实验中的强化学习让 AI 发现新材料。他们指出科学发现不同于数学编码,需要处理噪声与不确定性,且失败实验是宝贵的训练数据。该实验室旨在将自主实验扩展到 AI、化学和物理领域,以压缩科学试错周期。

10月8日周四
  1. The Decoder42

    AI 数学突破引发以太坊研究者担忧钱包安全可能在数月内崩溃

    两位以太坊研究者警告,AI 辅助数学可能在数月内破解加密钱包使用的签名系统。Justin Drake 建议行业准备“bunker mode”,将资金转移至从未签署过交易的地址以保护私钥。Vitalik Buterin 虽同意该风险,但指出其因迁移失误损失的资金多于被黑客攻击,并主张长期采用仅依赖哈希函数的架构。

  2. Hacker News · AI 热帖83

    Erdosproblems.com 在 AI 冲击下屈服

    Thomas Bloom 于 2026年10月6日宣布对 erdosproblems.com 网站实施变更,暂停问题评论与证明提交并移除问题状态展示,以应对 AI 生成证明泛滥侵蚀人类数学讨论。该网站自2023年5月28日上线以来已收录1221个问题,近期因 AI 能力跃迁导致社区活跃度下降。这一调整反映了数学领域在 AI 冲击下维护人类协作空间的尝试。

    推荐理由:AI 能力跃迁使数学问题网站暂停证明提交,折射出人机协作中人类讨论空间被挤压的现象。读者可观察数学领域应对冲击的思路。

  3. The Decoder77

    Anthropic 发布 Claude Haiku 5.5,大幅降价印证 AI 价格战远未结束

    Anthropic 发布 Claude Haiku 5.5,价格较前代最多降 90% 且基准性能大幅跃升,适用于高量低成本任务。在提示最长 10 万 token 时每百万 token 输入价 0.10 美元,超长提示贵 5 倍;Terminal-Bench 4.0 代理编码得分从 0 升至 39.2%,OSWorld-2.1 计算机使用达 72.4%。

    推荐理由:Claude Haiku 5.5价格最多降九成且代理编码基准从零到39.2%,为低成本自动化提供新选项。

10月7日周三
  1. Hugging Face Blog72

    Nemotron 3 微调后在 IOI 2026 与 IMO 2026 均达金牌水平

    Nemotron 3 经 SFT 与 RL 微调后在 IOI 2026 和 IMO 2026 均超过金牌阈值。IOI 2026 中 Nemotron-3-Ultra-CC 获 535.4/600,IMO 2026 系统得 30/42,模型、数据集与 NeMo-Skills 推理管线已在 Hugging Face 开放。

    推荐理由:原文给出了从 Nemotron 3 通过 SFT、RL 与推理循环微调至竞赛金牌水平的复用配方,读者可参照适配其他专业领域。

  2. Latent Space75

    【AINews】准黎曼假设:OpenAI 发布722篇数学论文解决500大开放数学问题中的90个,称百年来数学最重大时刻

    OpenAI 公开内部前沿模型生成的722篇数学论文与证明工件,称解决500大开放数学问题中的90个,平均每个结果约3小时 ChatGPT Pro 计算。同期 Mistral 发布 Large 4 模型(1T参数、49B激活),Google 推出 EmbeddingGemma 2 多模态嵌入模型与 Nano Banana 2.1 图像模型,行业动态密集。

  3. IT之家77

    OpenAI 发布又一批 AI 数学研究成果,攻破数百个悬而未决难题

    OpenAI 公布一批包含722份手稿与372个结果家族的文件,展示未发布前沿模型解决数百个长期数学难题。文稿含模型推理摘要与算力估算,单成果耗算力约等同 ChatGPT Pro 连续思考三小时。

    推荐理由:OpenAI 公开未发布模型解决数百数学难题的手稿与算力估算,延续 AI 实验室进入数学领域引发的伦理讨论。

  4. Microsoft Research49

    Microsoft Research 探讨 AI 评估中的意外失败与数据洞察

    Microsoft Research 研究员 Jennifer Neville 在播客中探讨 AI 系统评估如何推动性能边界,并分析模型在超越传统基准测试时出现的“意外失败”。她指出,当结果违背预期时,深入审视数据至关重要,并分享了与当前 AI 系统协作的实用指南。这一讨论旨在从人类或人工智能路径未如预期展开的经历中汲取教训,以预测 AI 未来的发展方向。

10月6日周二
  1. TechCrunch · AI18

    TechCrunch Disrupt 2026 分论坛议程公布

    TechCrunch Disrupt 2026 将于 10 月 13-15 日在旧金山 Moscone West 举行,并公布了包含 AI 智能体构建、推理经济及物理 AI 等主题的分论坛议程。每场 50 分钟的互动环节设有专家分享与观众问答,旨在帮助创始人深入探讨行业痛点,席位有限且先到先得。

  2. Mistral AI77

    Mistral 发布 Mistral Large 4 公开预览版

    Mistral 发布 Mistral Large 4 公开预览版,这是一款 1 trillion-parameter 原生多模态开放权重模型,预览 API 已上线、权重月底发布。它在编码、智能体与多模态理解上超越欧美开放权重模型,并支持企业自主部署于网安等敏感领域。此为 Mistral 获 €3 billion Series D 后首个里程碑。

    推荐理由:Mistral Large 4 开放权重预览已上线,企业能在欧洲自建设施部署前沿多模态模型,降低对第三方API与内容审查的依赖。

  3. The Decoder61

    Reflection 发布首个开放权重模型 Beam,称其为中国以外最强开放模型

    Reflection 发布首个免费开放权重模型 Beam,面向编码、逻辑推理和智能体任务,主打以更低算力取得强结果。Beam 采用 MoE 架构,每 token 激活 501B 总参数中的 23B,Reflection 称其在推理任务上以少三到四倍算力达到 GLM 5.2 的水平,但原始性能仍不及 Kimi K3 等更强的开放模型。

  4. Latent Space50

    Reflection 发布 501B-A23B 开源模型 Beam

    Reflection 发布纯文本 MoE 模型 Beam,总参数 501B、激活参数 23B,采用 Apache 2.0 协议。该模型在 SWE-bench Verified 上得分 80.9,推理效率为 GLM 5.2 的 3-4 倍。这是 Reflection 成立一年多后首次正式推出模型,标志着其作为美国本土实验室的正式亮相。

  5. The Verge · AI31

    AI 接管数学引发的争议

    过去一年,OpenAI 和 Anthropic 等实验室在包括千禧年大奖难题在内的多个长期数学问题上取得突破,但快速推进的方式引发了学界反弹。AI 实验室表示正从早期错误中学习,但承诺能否兑现仍待观察。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有