跳到正文
目前篩選:論文
11月21日週六
  1. 阿里雲開發者社區 AI44

    美團以「一條指令作基準」評測大語言模型:九條指令、九個模型,排名隨指令改變

    美團技術團隊以 FlexBench 評測九個大語言模型在九條目標指令下的表現,發現模型排名和失敗模式會因指令而顯著不同。實驗共生成 3,888 段對話,並以覆蓋率衡量工作流程推進程度、以達成度衡量各步條件是否符合。這種指令條件化評估不回答哪個模型最強,而是檢查模型能否按特定指令完成工作流程。

  2. 新浪科技51

    VideoMemBench 評測 25 個大模型的影片對話記憶,Claude Opus 5 得分 45.7

    VideoMemBench 評測 25 個模型在影片多輪對話中的記憶能力,Claude Opus 5 綜合得分 45.7,位列第一。數據集包含 326 段影片及 2,476 輪問答,其中 1,387 輪需要依賴前文,評測分為場景依賴和答案依賴。依賴距離由 1 輪增至至少 5 輪時,受測模型的平均準確率由 30.2% 降至 23.1%;Claude Opus 5 的答案依賴指標為 35.7%。

  3. DEV Community55

    作者於致函 17 天後再次測量 npm 和 PyPI 惡意套件資訊源

    作者在致函 17 天後再次測量 npm 和 PyPI 的惡意套件資訊源,並比較登記處處置、資訊源更改及掃描器測試結果。在 7,483 個抽樣標記中,登記處另處理 34 項,沒有任何項目恢復上架;研究亦把 854 項 npm 新標記由「仍可用」修正為「佔位」。完整報告、方法和數據已公開,數據存於 Zenodo,DOI 為 10.5281/zenodo.24415130。

  4. 虎嗅88

    Levent Alpöge 與 Claude 公佈黎曼猜想的形式化證明,數學家估計正確機率為 98% 至 99%

    Levent Alpöge 與 Claude 公佈黎曼猜想的 Lean 形式化證明,James Maynard 估計其有 98% 至 99% 機會正確。Andrew Sutherland 確認證明通過三個獨立外部驗證內核的全量複核,官方防篡改複驗仍在收尾。數學界的討論亦聚焦於如何理解其論證,以及現有期刊審查和千禧年獎規則如何處理這類程式碼證明。

    推薦理由:文章把形式化驗證與數學理解的落差,連同學術出版和千禧年獎規則面對的挑戰,放在同一案例中梳理。

  5. IT之家54

    西北大學研究團隊以 FLIP 從韋布舊數據辨認巨行星 51 Eridani b,探測靈敏度最高提升 15 倍

    西北大學研究團隊開發物理模型成像方法 FLIP,重新處理韋布望遠鏡的舊觀測數據,辨認出巨行星 51 Eridani b,闇弱行星探測靈敏度提升 2 至 15 倍。FLIP以望遠鏡數碼孿生模型重建恆星光暈,並非使用人工智能識別行星;在傳統方法未能探測到 51 Eridani b 的 F430M 觀測中,信噪比達約 6.3。

  6. Latent Space74

    兩名數學家先後聲稱獨立證明黎曼猜想,Claude 參與其中一項

    兩名數學家在數小時內先後聲稱獨立證明黎曼猜想,其中 Anthropic 數學家 Levent Alpöge 表示曾獲 Claude 協助,並以 Lean 程式公開證明。Elliot Glazer 指出,形式化命題實為廣義黎曼猜想(GRH);Alessandro Masullo 則公佈一份約 940 頁、由人手撰寫的 GRH 證明草稿。文章指出,這項 AI 相關證明尚未核實,Lean 程式仍在編譯。

  7. 創業邦67

    Anthropic 數學家 Levent Alpöge 公開黎曼猜想 Lean 證明代碼,稱與 Claude 合作完成

    Anthropic 數學家 Levent Alpöge 公開 14 個 Lean 壓縮檔案,聲稱與 Claude 合作完成黎曼猜想的形式化證明。他沒有發表完整論文,而是將證明拆成 14 個壓縮檔案;若整理成載有全部細節的文檔,篇幅會超過25萬頁。Lean 能檢查形式化推導,但外部研究者仍須確認代碼能否完整編譯、使用了哪些公理,以及最終定理是否確實等價於黎曼猜想。

  8. 虎嗅77

    Anthropic 數學家 Levent Alpöge 聲稱與 Claude 合作找到黎曼猜想及廣義黎曼猜想的證明

    Anthropic 數學家 Levent Alpöge 聲稱與 Claude 合作找到黎曼猜想及廣義黎曼猜想的證明,並公開分為14個壓縮檔的 Lean 形式化證明材料。外部數學家仍需檢查檔案能否完整建構、是否依賴未經證明的假設,以及程式中的定理是否真正對應黎曼猜想。

    推薦理由:報道交代了形式化證明材料的公開方式和外部核對重點,呈現機器可檢查的程式與數學界確認證明之間尚有的審查環節。

  9. 新浪科技73

    Anthropic 數學家稱與 Claude 找到黎曼猜想及廣義黎曼猜想的證明,陶哲軒指驗證仍需時間

    Anthropic 數學家 Levent Alpöge 聲稱與 Claude 找到黎曼猜想及廣義黎曼猜想的證明,陶哲軒表示數學界梳理核心思路並驗證正確性仍需時間。逾 25 萬頁文字證明未有公開,現有材料包括 4 頁説明,以及分成 14 個壓縮包、合共約 1,700 萬行的 Lean 形式化程式碼。克雷數學研究所規定解答須在同行評審期刊發表,並經至少兩年驗證及獲數學界普遍接受,才可進入獎金評審程序。

  10. 新浪科技77

    Anthropic數學家 Levent Alpöge 稱與 Claude 找到黎曼猜想證明,尚待獨立驗證

    Anthropic數學家 Levent Alpöge 聲稱與 Claude 找到黎曼猜想的證明,但主張尚未經獨立驗證或獲數學界認可。他公開的是分成14個壓縮包、約1700萬行的 Lean 形式化證明文件,並表示方法可推廣至廣義黎曼猜想。他亦坦言尚未完全掌握證明涉及的全部數學內容。

    推薦理由:文章梳理了形式化文件、獨立驗證與數學界認可之間的差別,並交代這項主張尚需經過哪些檢查。

  11. 第一財經73

    Anthropic 數學家 Levent Alpöge 稱與 Claude 找到黎曼猜想證明,仍待獨立驗證

    Anthropic 數學家 Levent Alpöge 聲稱,他與 Claude 合作找到黎曼猜想的證明,並表示方法可推廣至廣義黎曼猜想。他公開約1,700萬行 Lean 形式化證明文件,但尚未有公開的完整獨立驗證結論,Anthropic 亦未公開為其主張背書。Alpöge 亦坦言尚未完全掌握證明涉及的全部數學內容。

  12. DoNews43

    OpenAI 發佈藥物化學 AI 評測基準 MedChemBench

    OpenAI 發佈 MedChemBench,評估 AI 模型在藥物化學領域的推理能力。基準包含 99 道題目,涵蓋 761 個分子結構;GPT-6.2 Astra 在 xhigh 檔取得 84.5% 可用分,結構重建得分為 95.4%,化合物篩選與數值預測則僅約 50%。OpenAI 指出,基準反映模型應用歷史知識的能力,不等同於真實新藥發現能力。

  13. Business Insider Tech61

    黎曼猜想證明競賽演變成人類與 AI 對決

    Anthropic 數學家 Levent Alpöge 宣稱藉助 AI 解出黎曼猜想後,Stanford 博士後研究員 Alessandro Masullo 隨即公佈一份聲稱不使用 AI 得出的解答。Masullo 表示,他已研究這個問題 12 年,因當前情勢而提前發布尚未完成的版本,並提醒匆忙之下可能有錯。當時兩份解答均未正式證明,數學家正以人工和 AI 檢視兩者。

  14. DoNews62

    Anthropic 數學家稱與 Claude 合作證明黎曼猜想及廣義黎曼猜想

    Anthropic 數學家宣佈與 Claude 合作完成黎曼猜想及廣義黎曼猜想(GRH)的證明。文中稱 Claude 貢獻關鍵推導,並生成超過 25 萬頁文字證明及 1,700 萬行 Lean 形式化程式碼;目前只公開 4 頁説明與壓縮程式碼包。陶哲軒等學者指出驗證需時;克雷數學研究所要求成果經同行評審發表並經兩年公認期,目前尚不符合提交資格。

  15. MIT News50

    新方法讓混沌系統的 AI 模型符合物理規律

    MIT研究人員提出一種為混沌系統機器學習模型加入物理約束的方法,確保模型預測長期維持有界,避免產生不可能的結果。方法讓模型學習類似能量的函數,並加入投影層,以能量耗散作為硬約束;團隊在多種物理系統測試,結果較傳統方法更貼近實際。

  16. Unite.AI50

    MIT 研究框架為混沌系統 AI 模型提供軌跡有界性保證

    MIT 研究人員提出機器學習框架,為混沌系統 AI 模型提供任意長預測窗口下的軌跡有界性保證,避免模擬值無限增長至不符合物理情況。框架在 Lorenz 96 及 Kuramoto–Sivashinsky 方程降階模型的示範中產生有界長期預測,並保留不變統計量。團隊下一步將測試更大型系統及真實天氣的數據驅動模型,相關天氣模型的表現仍屬未解研究問題。

  17. Goodfire Research39

    Goodfire Research 解讀 Inkling 2 Mini

    Goodfire Research 取得 Thinking Machines 提供的 Inkling 2 Mini 權重,研究其架構創新如何影響模型內部機制。模型共有 24 層,核心區塊會循環執行三次。初步研究發現,循環層可以向自身寫入資訊,也能讀取「未來」層的資訊。

  18. TechCrunch · AI80

    數學家稱藉助 Claude 找到 167 年黎曼猜想解法,另一研究者公開未使用 AI 的廣義猜想證明

    Anthropic 數學家 Levent Alpöge 稱,他藉助 Claude 找到一份可由 Lean 編譯的黎曼猜想證明;Stanford 博士後 Alessandro Masullo 亦公開廣義黎曼猜想證明。數學界仍需時間理解 Alpöge 的結果,但多數人似乎相信形式化 Lean 結果能成立。Masullo 表示其證明是 12 年工作的成果,Ravi Vakil 指出當中沒有使用 AI。

    推薦理由:文章並列 Alpöge 藉助 Claude 提出的黎曼猜想證明主張與 Masullo 的廣義黎曼猜想證明,並交代前者仍待數學界理解和檢視。

  19. Hacker News 熱門(buzzing.cc 中文翻譯)53

    Alessandro Masullo 公開廣義黎曼猜想(GRH)證明草稿

    原文作者公開了 Alessandro Masullo 提出的廣義黎曼猜想(GRH)證明草稿,並稱 Brian Conrad 已仔細審閲數月、提供大量意見。原文作者表示,該證明全由人完成、沒有使用 AI,並希望其他人盡快檢查、形式化及補上可能存在的小缺口。