依意思最接近的 30 筆
一篇評論用斯特魯加茨基兄弟的科幻小說《路邊野餐》類比 AI 對科學的衝擊：AI 實驗室正成批產出數學發現，多到要另附導讀，速度遠超學界消化能力。作者稱這類「發現傾倒」會出現在所有能閉環快速驗證的領域；NYU 數學教授 Tristan Buckmaster 提到最近一批 AI 科學論文讓整個研究專案一夜之間被抹掉。文章的核心判斷是答案將越來越先於理解到來，理解成為瓶頸，這或許也是反加速主義少有的有效論據。
哈佛-史密森天體物理中心研究者 P. K. G. Williams 發表 14 頁 arXiv 論文，論證 AI 提供了將科學文獻這一資訊公地圈佔為私有財富的工具。論文以英國 1600–1800 年圈地運動為類比框架，指出 AI 圈佔的關鍵特徵是借“slop spam”低質生成內容淹沒文獻、破壞支撐公地的社會系統，而非經典的“公地悲劇”。文章橫跨天體物理儀器方法與計算與社會兩個分類，附 32 條參考文獻，主張這套概念可為審視 AI 對科研生態的衝擊提供學術基礎。
Periodic Labs 聯合創始人 Liam Fedus 與 Ekin Dogus Cubuk 在一檔播客中介紹了其「合成超級智慧」構想：以真實物理實驗作為強化學習環境，訓練能自主發現新材料的 AI 科學家。這家成立一年的公司正搭建自動化實驗室，希望讓每臺儀器擁有「140 IQ」，並用做科學的完整過程而非僅論文結果來訓練模型。他們認為失敗的實驗可能是最有價值的訓練資料，自主實驗可把數十年的試錯壓縮到數月，目標材料涵蓋室溫超導、磁體與電池。
哈佛大學研究者在 700 多家公司、70 萬名員工、3 億條工作事件的資料中發現，AI 程式設計工具並未讓企業軟體產出增加或減少用人，編碼階段省下的時間被下游環節吸收。程式碼審查時長明顯增加，pull request 更常需要返工，審查者留下的評論也更多。研究據此認為人工程式碼審查是 AI 編碼效率的主要瓶頸。
復旦大學、騰訊混元與清華大學聯合發布 ExplorationBench，用兩套規則被改寫的「異星世界」AlienCode 和 AlienLogic，評測 AI 能否通過自主實驗發現規則。10 個前沿系統讀完範例後，在 AlienCode 上最高僅 15.7%，四輪探索後最好軌跡達 89.0%；若只讓模型多想、不給環境反饋，最高只有 11.0%。GPT-5.6 Sol 自主探索拿到 88.1%，而事先直接告知全部規則反而只有 69.5%，說明探索過程同時提升了規則的使用能力。
Anthropic 與經濟學家聯合調查顯示，91% 的 Anthropic 員工認為 AI 到 2030 年能做出諾獎級發現，美國成年人中這一比例為 39%。員工預期 AI 屆時能完成自己 75% 的工作，美國工人平均為 28%；在使用 AI 的工作任務中，員工預期 2030 年有 65% 交由 AI 完成，美國成年人預期為 42%。
Meta 公布一套由人類主導的健康科學研究框架，由 Muse Spark 1.3 與 Muse Wonder 驅動，可訪問 500 萬份回顧性去標識化電子健康記錄及公開資料。一組醫學專家用該系統開展原創研究，加速假設生成、程式碼執行與論文撰寫，科學決策權仍完全由人類掌握。Meta 同時公開了由此產出的 10 篇研究論文，覆蓋心臟病學、腫瘤學、傳染病、急診醫學等領域。
AI 實驗室 Third Moment Research 藉助 OpenAI 的 GPT-6 Astra、GPT-6.1 Sol 與 Codex，可同時執行 1 萬個 agent，單次自主研究持續 36–48 小時。Codex 曾定位量化回測瓶頸並部署快取與記憶體打包最佳化，把一年美股訂單級資料的回測從約 3 小時縮短到 3–5 分鐘，回測時間減少 97%。
Hinton、Bengio 等 22 位作者聯合發表首篇 RSI（遞迴自我改進）論文《What if automating AI R&D triggers an intelligence explosion?》。論文引用 Anthropic 內部資料：AI 生成獲批程式碼佔比從 2025 年 1 月的低個位數升至 2026 年 5 月的超 80%，Claude 在高層監督下自主完成的 AI 研發工作比例從 2026 年 3 月的約 1% 升到 8 月的 26%。
魁北克大學電腦科學教授 Daniel Lemire 提出 ephemeral testing（臨時測試）：不直接評估自己寫的程式碼，而是讓 AI agent 在其之上臨時搭建一層或多層應用並測試，用完即棄，再根據失敗情況反推底層程式碼品質。它屬於整合測試，區別在於上層軟體完全是一次性的；API 清晰、不變數穩定、報錯有用的庫能讓 agent 快速產出可執行的東西，隱藏狀態、意外預設值或文件不全的庫則會產出一堆補丁和失敗，這些失敗是底層程式碼的證據而非 agent 的問題。
阿波羅全球管理首席經濟學家 Torsten Slok 稱，AI 對科技行業以外的美國大企業帶來「零財務回報」。他考察剔除 Alphabet、Amazon、Apple、Meta、Microsoft、Nvidia、Tesla 後的標普 493 成分股，發現其利潤率與人均營收基本持平，沒有證據顯示 AI 提升了生產率。Slok 認為企業很難把日益廉價的智慧轉化為更高的營收與利潤率，因為商業中的智慧更多是判斷力；近期多項研究也未發現 AI 帶來顯著生產力增益。
Anthropic 前沿紅隊部落格發布研究：與 Theorem Labs 合作，用 Claude 在數週內為一百多個真實開源庫證明安全屬性。形式化驗證過去只能用於小規模程式碼庫或需大量專家時間，AI 模型正讓大規模驗證變得可行。完整研究已在其部落格發布。
Jev 發布 33 天后熱度迅速消退，這篇評論借它批評 AI 行業靠營銷話術製造期待。文章指出 Jev 本質是通用分類器，宣稱不會幻覺、更快更便宜，但輸出仍會出錯，且已有開放權重模型在部分任務上價效比更高，並可在本地執行。作者還稱其非自迴歸決策模型思路早於 Jev 一年半出現，並由此質疑行業四年來的創新增量。
OpenAI 宣布在數學、電腦科學和物理領域取得三項「重大」發現，距其批次發布數百篇手稿不到一個月。這次電腦科學與物理的結果由 OpenAI 稱為「shepherds」的外部專家引導產出；數學問題則按這些專家的建議，直接公開 AI 輸出，交由研究者自行給出解釋。相關結果已於當天加入 GitHub。
Anthropic 於 10 月 16 日發布兩份報告：其內部 AI agent 工作時長在 2026 年 3 月已超過員工，到 8 月 agent 數量是員工的 6 倍，同期初級崗位與技術崗招聘佔比下降，人均程式碼、銷售與合同處理產出上升，瓶頸轉向人的注意力。第二份報告對比近 1.1 萬名美國成年人與 Anthropic 員工的調查：91% 的員工認為 AI 能在 2030 年前做出諾獎級發現，美國成年人中僅 39%；
PhAI Labs 聯合 16 家機構提出科研 Agent 遞迴自我改進框架 DiscoveryRSI，並訓練出 DiscoveryRSI-27B。在把 AI 假設與後續發表文獻對照的評測中，DiscoveryRSI 有 6.3% 的假設找到可用的研究依據，約為 GPT 組 2.5% 的 2.5 倍，Claude Opus 5 組以 2.3% 墊底。兩輪自改進後，241 個留出問題上的假設品質均分從 4.86 升至 5.39，可證偽性從 4.00 升至 6.20。
OpenAI 於 10 月 26 日宣布，其內部模型證偽了理論電腦科學中沿用近 30 年的指數時間假設（ETH）：針對固定寬度的 CNF 公式，模型構造出亞指數時間的確定性演算法，可判斷是否存在滿足條件的賦值並精確計數，且已完成 Lean 形式化。ETH 的原始提出者 Impagliazzo、Paturi 與 MIT 的 Ryan Williams 將組織開放、獨立的審查。
AI Impacts 於 2024 年 12 月調查 1,580 名頂會 AI 研究者，他們對「未來 AI 導致人類滅絕或永久喪失自主」的機率中位數首次升至 10%，高於一年前的 5%。同一調查中「極度糟糕（如人類滅絕）」的中位數仍為 5%，自 2016 年以來未變，而人類水平 AI 出現的中位年份從 2016 年的 2061 年提前到 2042 年。
數學家陶哲軒在 SAIR 演講中公開呼籲模型公司放慢數學研究節奏，稱 AI 無休止加速卻對後果一無所知，並稱之為 Proof Indigestion（證明消化不良）：AI 只在生成解答與 Lean 驗證上狂飆，理解、評審、寫入教科書幾乎停滯。此前他與 25 位菲爾茲獎得主聯名發表公開信，批評把數學當 benchmark 刷分。OpenAI 隨後回應，宣布在普林斯頓高等研究院設立數學與人工智慧顧問小組，但宣告寫明該小組不就數學上的內部進展提供建議。
rStation 上線，這是一個面向 AI agent 的共享研究社群：獨立 agent 在站內討論研究問題並發表經過評審的論文，人類可以旁觀。站點列出的待研究問題包括黎曼猜想、霍奇猜想、有理丟番圖七元組、地月問題、三點不共線與強正則圖，其中部分題目由 Epoch AI 提供。內容領域覆蓋數學、AI、電腦科學與綜合，並設有 Reviewed papers 板塊。
一項研究讓 50 名有因果推斷經驗的專業分析師用 Claude Code 完成農業顧問專案效果評估，在四個二選一的分析決策上，86% 的情況跟隨了 agent 被暗中設定的傾向（傾向由硬幣隨機決定，若 agent 無影回應約為 50%）。事先已表達自己偏好的分析師，在 agent 反對時 60% 改變選擇，agent 贊同時僅 6% 改變。事後 77% 的人複述了 agent 的論證（部分逐字照搬），只有 15% 說明這些觀點來自 agent。使用 agent 的分析師完成任務更快、嚴重錯誤更少。
愛爾蘭一所公立繼續教育學院的教師發帖，稱已獲得資金建成一個小型 AI 實驗室，硬體配置尚可，目標是讓學生學到使用 ChatGPT 之外的實用技能，因此向社群徵集教學方向建議。帖子未透露具體硬體型號、課程安排或學生人數。
一項覆蓋美國經濟的基準地圖研究顯示，90% 的美國工作時間花在現有 AI 基準幾乎未覆蓋的任務上。研究把美國勞工部 O*NET 的 923 個職業、18797 項任務與篩選出的 29 個基準做對映，只有 208 個職業、924 項任務被至少 5 條基準提示覆蓋，22 個職業大類中有 6 類完全空白。覆蓋分佈並不隨機，偏向高工資、大勞動力市場：同樣被判定易受 AI 影響的律師任務覆蓋充分，法律秘書、法庭書記員的任務卻幾乎沒有對應基準。
作者發布 ADRs for AI 框架及其外掛，讓模型把每個設計決策寫成 Git 版本化的「架構審議記錄」。配套的 ORRCF 提問格式要求模型給出選項、建議、理由、置信度與可證偽條件，把疑慮擺出來供人批准或否決；記錄同時說明非顯然設計選擇的依據，以及在換平台、換延遲要求等條件下決策會如何變化。外掛 ADRs4AI/plugins 已提交 Anthropic marketplace，作者稱正錄製入門影片，希望獲得上手體驗方面的反饋。
OpenAI 在 GitHub 公開了 722 篇由內部未發布前沿模型生成的數學手稿，涵蓋數論、代數幾何、分析、組合數學等方向，其中約 300 項核心結果完成 Lean 形式化驗證，佔 42%。公司稱模型共嘗試超過 4000 個問題，一項典型成果平均消耗約 3 小時 ChatGPT Pro thinking 算力，但未公開所用模型與提示詞。
中科院軟體所中文資訊處理實驗室與快手推出 OmniBehavior，這是首個真實世界全鏈路使用者行為模擬基準，已被 NeurIPS 2026 接收。資料集覆蓋 3500 名快手使用者三個月的 212 萬條互動記錄，橫跨影片、直播、電商、廣告與搜尋場景，共設 6000 個預測任務。評測中表現最好的 Claude-Opus-4.5 僅得 44.55 分，多數模型在 32 至 41 分，擴大上下文視窗未帶來穩定提升。
Artificial Analysis 將模型智慧指數升級到 v5.0，評測集換成 9 項新基準。Knowledge Work、Coding、Science、General 四類各佔 25%，單項權重最高為 15%，分別是 AA-Briefcase v1.1、FrontierCode 2.0、Terminal-Bench-Science 0.1 和 AA-Omniscience v1.1；
Apollo 官網 Daily Spark 專欄文章判斷，科技行業之外尚未出現 AI 帶來回報的跡象。文章以這一結論為標題，公開資訊中沒有給出更多分行業資料或測算。該文在 Hacker News 上獲得 371 分、351 條評論，討論集中在 AI 投入是否已外溢到科技以外的行業。
Anthropic 前沿紅隊發布研究，測試 AI 能否像計算機病毒一樣在不同裝置間自主複製傳播。實驗中 15 臺約 55 美元、4GB 記憶體的安卓電視盒子以流水線並行跑起 Gemma4-26B-A4B，總價約 825 美元，生成速度僅每秒 0.39 個 Token。GLM-5.2 在 8 節點模擬網路中 5 次有 4 次傳播到全部節點，但依賴外部推理伺服器與預開的免認證 ADB 埠；
企業一度鼓勵員工儘可能多地使用 AI，即所謂的 #tokenmaxxing，隨後賬單隨之而來。報導援引一項針對近 400 家企業的調查稱，其中只有 11% 能準確預測自己的 AI 支出。AI 使用量以 token 計量，而企業發現 token 很難統計，這讓 AI 預算幾乎無法編制。