Anthropic 数学家与 Claude 联手证明黎曼猜想
Anthropic 数学家 Levent Alpöge 宣布与 Claude 合作完成黎曼猜想证明,交付 1700 万行 Lean 代码,Lean FRO 与 Mathlib 社区已联合认证其通过全部机器验证。这是 AI 首次参与攻克数学界悬置 160 余年的顶级难题,也首次将形式化验证推到如此规模。同一天斯坦福发布的纯人工证明草稿数小时内即被 AI 查出问题,形成鲜明对照。
Anthropic 数学家 Levent Alpöge 宣布与 Claude 合作完成黎曼猜想证明,交付 1700 万行 Lean 代码,Lean FRO 与 Mathlib 社区已联合认证其通过全部机器验证。这是 AI 首次参与攻克数学界悬置 160 余年的顶级难题,也首次将形式化验证推到如此规模。同一天斯坦福发布的纯人工证明草稿数小时内即被 AI 查出问题,形成鲜明对照。
得克萨斯大学奥斯汀分校团队开发的自动化系统 Darmok 在 2026 年《泰晤士报》填字锦标赛中,以零错误完成全部 7 道英国隐晦填字谜题,并在决赛中以 3 分 13 秒的优势击败人类冠军,成为首个在该类赛事达到超人水平的自动化系统。值得关注的是,决赛期间主模型供应商 API 明显降速,系统依靠备用路径补上了 30 个答案中的 17 个,凸显多模型冗余路由对实时高可靠任务的关键价值。
马里兰大学新论文发现,前沿模型在零样本提示下即可检测 AI 生成文本,准确率与 Pangram 等训练过的检测器相当,并能给出推理依据。更关键的是,模型仅凭单篇文本就能推断作者所属 AI 实验室甚至具体个人,在 398 篇匿名同行评审中 Claude Fable 5.2 命中 56% 的评审人,在 Reddit 重度用户评论中命中 69% 的账号。这意味着匿名评审与化名社区的匿名性假设正被削弱。
哥伦比亚大学与 MIT 的论文显示,Claude 在无人工干预下自主发现了一种更快的长瘦矩阵乘积部分元素计算方法,并借助经典归约将其转化为 3SUM 与全源最短路径的算法加速。3SUM 复杂度降至 O(n^1.9992)、APSP 降至 O(n^2.9995,虽提升幅度极小,却首次实质性反驳了长期被视为不可突破的 3SUM 与 APSP 猜想。该结果由 AI 单次会话、1600 万输出 token 完成,并经 Lean 4 形式化验证。
开源项目 LookAtMyQuant 提出一种基于 Fisher 信息与 trellis 编码的后训练量化编译器,按存储单元对输出损伤分配比特预算。其第二版将 Qwen3.5-4B 压缩至 1.23 GB(约 2.3 bit/权重),在 540 道精确答案数学题上解出 330 道,优于同尺寸的 Bonsai 2 Ternary 4B(328 道),KL 散度 0.45 nats 亦低于对方的 0.59。完整配方与约 34 美元 GPU 成本已公开,代码采用 MIT 许可。
OpenAI 正式发布 GPT-6.2 Astra 与 Sol 的系统提示词模板,旨在纠正模型默认回答过短、频繁反问打断流程等行为问题。模板覆盖写作风格、主动性与编码三类规范,其中编码模板明确要求复用既有代码、避免无谓抽象,并仅在明确要求或出现特定错误时新增测试。 与此同时,API 侧同步发生重要变化:编辑对话历史会丢弃此前的推理步骤,影响 token 成本与回答质量;temperature 与 top_p 等参数已被移除。另据 Arena.ai 的 Agent Arena Index 评测,GPT-6.2 Astra 编程得分从 1,288 升至 1,338,排名由第 8 跃升至第 3;但聊天得分从 1,265 降至 1,211,排名由第 8 跌至第 11,两项变化在总分上几乎相互抵消,综合排名仅比 GPT-6 Astra 高一位。 此次发布反映出 OpenAI 在提升模型编程能力的同时,正通过提示词模板引导用户规范使用,以弥补聊天体验的短板。API 参数的移除与推理步骤的丢弃可能影响开发者成本与输出稳定性,而编程能力的显著跃升则可能吸引更多代码生成场景的采用。整体来看,GPT-6.2 Astra 在专业任务与通用对话之间的能力分化,或将成为后续迭代的重点方向。
腾讯元宝与伦敦国王学院 NLP 团队联合发布 GroupAssistBench,这是首个针对群聊场景的 Agent 记忆能力评测基准。该基准基于 50 个真实群聊的 80,299 条历史消息,构建了 2,395 道评测题,覆盖单条记忆、多记忆整合与更新冲突三类结构,并首次将记忆能力拆分为 L1 事实召回与 L2 开放式服务两个层级。 实验对比 14 组配置后发现,记忆召回更强并不等于服务能力更强。例如,EverMemOS 在 L1 得分 0.621,高于完整上下文的 0.570,但在 L2 仅得 0.247,远低于后者的 0.431。这表明检索增强与外部记忆方案在开放式服务任务上普遍落后于完整上下文,为 Agent 记忆系统的设计提供了重要警示。 该基准的论文、代码与数据集均已公开,有望推动群聊 Agent 记忆研究的标准化与可复现性。随着 AI 助手日益融入群聊协作场景,如何平衡记忆召回与服务能力将成为开发者关注的核心问题,此项工作为后续优化指明了方向。
英伟达论文提出将大模型的推理轨迹编译为带参数的小型 Python 函数,在 CPU 上执行以复用推理结果,仅在抽取数值等轻量文本任务时调用微调的 1B 小模型。该方法在 8 个数学与科学基准中的 7 个达到或超过原模型精度,AIME '25 上为 93.3% 对 83.3%,对改写或换数的变体覆盖至少 90%,成本降低 16 至 291 倍。
Anthropic 数学家 Levent Alpöge 宣称与 Claude 合作给出了黎曼猜想的 Lean 形式化证明,并公开了约 1700 万行代码。该猜想自 1859 年悬置至今,属千禧年大奖难题。消息在 Lean 社区引发数学家密集核验,同时斯坦福研究者 Alessandro Masullo 也声称独立完成证明,真伪尚待同行评审确认。 据披露,Claude 在证明后期贡献了关键思路,包括连续 Theta Lifts 和核心参数,整个论证在约六周内完成形式化。陶哲轩指出,该证明疑似依赖朗兰兹纲领与算术几何的现代成果,验证需数学界投入时间。初步检查确认形式化命题为广义黎曼猜想,但 Lean 内核可靠性仍存理论风险。MIT 的 Andrew Sutherland 使用 Claude Code 进行了独立验证,175,187 个模块全部编译通过,五个核心定理仅依赖三条标准公理,两个独立内核 nanoda 与 con-leche 均接受完整导出证明。 若该证明最终通过同行评审,将是 AI 辅助数学研究的里程碑事件,不仅支撑数百个依赖黎曼猜想的数学结论,也凸显 AI 在顶级数学研究中的实际参与度,并推动“AI 成果如何被可信验证”的机制建设。
三星电子 2027 至 2029 年的大部分存储芯片产能已被长期合同锁定,部分客户要求将供货保障延长至 2031 年。AI 数据中心扩张导致 HBM、通用 DRAM 与企业级 NAND 全面短缺,主要厂商供货满足率仅 60% 至 70%,2027 年通用 DRAM 晶圆产能已实际售罄,存储厂商议价能力显著增强。
欧洲央行行长拉加德在卸任前最后一次演讲中呼吁,欧盟应以公共资金(含欧盟预算)率先承担大型芯片厂与数据中心项目的首轮损失,以撬动私人资本并建立跨区域公私合作。她援引估算称,若要把欧洲在全球 AI 算力中的占比从约 5% 提升至 2030 年的 15%,所需投资约 1.3 万亿欧元。
Thinking Machines Lab 以 Apache 2.0 许可开源了多模态混合专家模型 Inkling 2 Mini,总参数 26B,采用循环 Transformer 架构,中间 12 层共享权重重复执行三次,单 token 等效经过 48 层计算,从而在不增加输出 token 的情况下延长内部推理。模型支持文本与图像输入及 100 万 token 上下文,检查点仅约 20GB,可在 32GB Mac 或 DGX Spark 上本地运行。 各信源在架构细节上高度一致:循环层每轮保留独立 KV 缓存并读取上一轮门控消息,激活参数约 3.4B 至 5.4B(不同统计口径),每 token 仅使用约 3.1B 唯一权重。性能方面,其在 100B 以下开源模型中智能体编程测试领先,DeepSWE v1.1 得分 48.2%,SWE-bench Verified 达 79.2%,AA Index 得分 20.1,与 Qwen3.8 27B 持平但激活参数少 5 至 6 倍,推理成本约为其六分之一。不过,模型在知识召回上存在明显取舍,非幻觉率仅 63.4%。vLLM 在 Blackwell、Hopper 与 DGX Spark 上实现发布当日支持,并内置 DSpark 推测解码加速。 Inkling 2 Mini 的发布标志着循环架构在开源模型中的一次重要落地,以极低的激活参数实现了与更大模型相当的智能水平,大幅降低了本地部署门槛。其突出的智能体编程能力与长上下文支持,为个人设备上的长程任务自动化提供了新可能,有望推动本地优先的 AI 应用生态发展。