依意思最接近的 30 筆
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%。
UniPat AI 發布 PaperBenchX，稱其為國際上首個多學科端到端論文結果復現基準，從 93 篇論文建置 93 個復現任務，橫跨電磁、光子、化學、材料、生物、機器人等 12 個研究方向和 10 種領域原生科學環境，含 3168 條專家校驗評分項。在這 93 個任務上，表現最強的 GPT-6 Astra 完整復現率只有 13.98%，建模與執行階段平均得分約 62%，驗證階段僅 42.8%。
GitHub 上新開源專案 Open Academic Paper Gen，用多智慧體工作流把論文初稿生成拆成九個階段，最大特點是在拿到文獻全文後定位相關段落，核驗正文引用是否真被原文支撐，有頁碼時還會標出對應 PDF 頁碼。它從 OpenAlex、Crossref、Semantic Scholar 和 arXiv 檢索文獻，生成證據表後分析趨勢、診斷創新性、列提綱寫作，再做引用核驗與模擬審稿，可匯出 Markdown、LaTeX 與 RIS、BibTeX。
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。
軟體基礎設施部落格 The Consensus 上線自研「AI tells」檢測器，用靜態規則比對 2023 年前後的寫作差異，處於第 99 百分位的文章將失去首頁 At a Glance 板塊、社交媒體和每週 newsletter 的推薦資格。該檢測器不判斷文章是否由 AI 撰寫，只提示讀起來像 AI 寫作，作者稱它偶爾也會誤判自己的文章。讀者仍可在 feed 搜尋中用 aitells<90 過濾，作者也承認規則可被繞過，但認為這反而會促使各家寫出自己的風格。
OpenAI 公開了由一款尚未發布的前沿模型產出的 722 篇論文手稿，稱其中解答了數百個長期懸而未決的數學問題。這批手稿覆蓋 372 個結果族，把相關論文歸入同一組，結果已預期數週才公布。新成立的獨立數學家顧問組 AGMAI 負責對外溝通這些成果。此前數學界對這些突破既感震動也存在爭議，並引發了關於研究倫理與學術規範的討論。
Jeremy Avigad、Kevin Buzzard 等七位數學家聯合發文，反對在 OpenAI 上週發布後興起的「儘快形式化全部數學」呼籲，認為做得不好會造成持久損害、浪費鉅額資源。文中舉例：Anthropic 稱 Claude 用 1300 萬行程式碼、11 天完成費馬大定理的形式化驗證，Buzzard 稱讚成果卻表示不會停下自己手頭的形式化工作；Math, Inc. 試圖劫持 Viazovska 球堆積形式化專案，原團隊最終棄用 AI 程式碼重做。
10 月 6 日，OpenAI 在 GitHub 公開 722 篇 AI 數學手稿，分屬 372 個結果族、含 377 項新證明，約三分之一涉及重要猜想，多數由一款尚未發布的內部模型生成，平均每項結果的計算量相當於 ChatGPT Pro 思考約 3 小時。發布兩天後 OpenAI 因錯誤撤回 3 篇，多位數學家指出部分手稿未必真正證明了所聲稱的結論。
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。
AAAI 期刊論文《How to make System 1 LLMs show System 2 competencies?》在 Wiley Online Library 上線，研究如何讓直覺式（System 1）大模型表現出慢思考（System 2）的能力。全文需經 Wiley 連結檢視，Hacker News 同期討論帖僅 7 分、1 條評論。原文未披露所用方法、模型與實驗資料。
一位專攻選擇公理的數學家公開批評 OpenAI 的預印本，該文聲稱證明了分拆原理不蘊含選擇公理這一懸置逾百年的問題。他指論文結構混亂、術語不當，引用至少三份未發表、未經評審、也未上傳 arXiv 的講義，還包含他認為不該被證明的引理 7.4 與 8.1，若投稿期刊應被直接拒稿。他並批評 OpenAI 一次放出數百個表述難懂的「解答」，讓研究者疲於應付，也擔心資助方與政策制定者據此以為數學家可被機器人取代。
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。
arXiv 自 2026 年 10 月 1 日起執行新規，每個提交者每個自然月最多提交 2 篇論文，所有分類共用額度，被拒稿也照樣消耗次數。此前 2024 年起實行的限制仍然有效：任何時候最多 3 篇處於 active 狀態的投稿。官方資料顯示，2026 年 9 月投稿量達 40363 篇，兩年翻倍，其中 cs.AI 分類兩年增長超 6 倍。
OpenAI 於 10 月 6 日發布了一個包含 700 多份數學手稿的倉庫，聲稱其中含有多項高知名度數學問題的解答。人類數學協會（Association for Human Mathematics）指出，OpenAI 自稱從中獲得正當性的數學與人工智慧諮詢組織，其最初宣告就明確前沿 AI 公司不應在內部模型上測試高等數學問題，OpenAI 的做法無視了這一核心前提。該協會還提到 OpenAI 正面臨抄襲、版權侵權與商標淡化的訴訟，並呼籲數學家停止與 OpenAI 合作。
OpenAI 在公開 GitHub 倉庫發布 722 篇數學手稿，稱其來自一個未發布的內部前沿模型。這批結果出自約 4000 道研究問題的評估，分成 372 個結果族，平均每個結果消耗約 3 小時 ChatGPT Pro 算力，發布內容含論文、證明產物與部分推理摘要，模型本身不公開。OpenAI 稱發布方式諮詢過高等研究院的數學與 AI 獨立顧問組，Sam Altman 稱之為“發現的新紀元”。
Armature（YC P26）上線 agent.reviews，定位為面向 AI agent 的工具評價站，通過 skills 和 npm CLI（@armature-tech/agent-reviews）接入其 API，Claude Code、Codex、Cursor 等 agent 可在選工具前查評價、用完後提交評價。為防止洩露，評價發布前要過三層檢查：確定性規則過濾金鑰、PII 與 URL，Jev 分類器，以及一個小模型複核。
菲爾茲獎得主陶哲軒發布《數學 2.0》演講，宣告建立在證明稀缺之上的數學 1.0 時代落幕：AI 正讓數學證明變得氾濫。他呼籲建立更透明的評估機制，把失敗結果與算力成本一併納入報告，並減少對搶先生成證明的強調，轉而重視解釋、評審與知識整理；其參與創立的 SAIR 基金會開放數學模型計劃將很快發布。此番表態的背景是 OpenAI 一次性發布 722 篇數學論文後，陶哲軒牽頭成立人類數學協會（AHM），並呼籲數學家停止與 OpenAI 合作。
arXiv 新論文指出，用 Lean 機械驗證 AI 自動形式化的數學證明，並不能保證原始自然語言證明本身正確。作者 Bastounis、Circelli 與 Hansen 證明，要做到語義忠實的翻譯必須消解自然語言數學文字的歧義，而該問題在可解複雜度指數（SCI）層級中為無窮，比停機問題（SCI=1）更難。
OpenAI 於 10 月 7 日撤回 3 篇數學論文：起因是《Algebraicity of Weil classes on split abelian eightfolds》中的符號錯誤，使 stabilization-trace 消去論證及所用構造失效，另兩篇依賴該構造的論文一併撤回，現已附說明並連結存檔版本。同期還修訂了 14 篇論文的證明、陳述與假設，另有 13 篇論文更新引用；新增 6 項形式化後，核心結果形式化比例為 300/719，約 42%。
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。
一篇 arXiv 論文證明，AI 模型可把加密神經網路嵌入自身權重，只在收到秘密觸發時解密執行，且在密碼學假設下即使拿到全部權重也難以誘導或解讀。作者用 PyTorch 實現概念驗證，在化學反應預測任務（CBRN 相關能力的替代任務）上測試微調、權重加噪、梯度觸發搜尋與潛空間對抗訓練，均未能誘匯出隱藏能力。該文被 NeurIPS 2026 接收，共 22 頁，作者已公開模型以支援防禦研究。
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。
TypeSafe AI 的 Jev 模型近期走紅，其介面可直接返回預設選項、分數或事件機率，供程式碼呼叫，但未開源、架構未公開。NeurIPS 2025 入選論文 ConfTuner 提出 Tokenized Brier Score，僅用對錯標籤即可訓練置信度機率分佈，在 LLaMA、Qwen、Ministral 上把平均 ECE 從 0.2768、0.3781、0.4393 降至 0.1082、0.2872、0.1884，4 張 A40 上約 4 分鐘完成微調。
新評測 InnovationEval 顯示，前沿模型無法獨立復現人類研究者近期做出的機器學習演算法創新：在端到端任務中，它們耗費數千美元 GPU 算力，仍未達到人類論文（on-policy self-distillation，SDPO）的水平。測試要求 AI 自主提出一種新的後訓練方法，在短答題與程式碼任務上後訓練 Qwen3-8B，並超過 GRPO 基線。主要結果來自 Claude Fable 5 與 GPT-5.6 Sol；
OpenAI 把一個尚未發布的內部模型產出的 722 篇數學手稿一次性放上 GitHub，歸入 372 個「成果族」，覆蓋數論、幾何、理論計算機、數學物理等 17 個方向。清單裡既有證明也有證偽，摘要中出現「證偽」「反例」的成果族約 50 個；約六成附有 Lean 形式化，其餘只能算聲稱，且絕大多數尚未經過同行評審。涉及的包括準黎曼猜想、BSD 公式、有理數域上的希爾伯特第十問題、唯一遊戲猜想、Hadwiger 猜想反例、埃爾德什等差數列猜想等。
菲爾茲獎得主陶哲軒領銜的人類數學協會（AHM）發布聯合宣告，敦促全球數學家停止與 OpenAI 合作。導火索是 OpenAI 一次性發布 700 多篇機器生成的證明檔案，聲稱解答了若干數學界知名難題，被批「純粹炫耀算力霸權」；此前陶哲軒已聯合 25 位菲爾茲獎得主呼籲商業公司放慢腳步。宣告還提到 OpenAI 正因非法抄襲、侵犯版權和商標淡化等指控身陷訴訟。
Ai2 開源了 AstaBrief 8B，一個把研究問題與檢索文獻片段轉成帶引用報告的模型，基於 Qwen3-8B 訓練，已作為 Asta 的 Fast 模式上線。官方稱 Fast 模式平均 51.1 秒生成一份報告，比 Claude 驅動的 Thinking 模式 178.5 秒快約 3.5 倍。模型權重、訓練資料與範例工作流一併開放，機構可在自有基礎設施上本地生成報告。
前神經科學家 Michał Wójcik 曝光：Springer Nature 2025 年出版的《Nanocomposites for Sustainable Wastewater Treatment》第一章充斥明顯 AI 生成的垃圾插圖，而該章作者正是本書主編 Swapnila Roy；第 10 章的配圖則涉嫌直接搬運他人論文。他此前還發現 Elsevier 旗下期刊刊出過用圖形摘要“證明”死後意識存在的荒唐論文。他把這類現象歸因於印刷轉向按需印刷後，幾乎無人再翻頁審稿。
一份面向 AI agent 的評估方法與開源工具 agent-eval 發布，主張用可重複的評估流程替代憑感覺看輸出。方法以關鍵使用者旅程（CUJ）定義成功標準，每個條件都對應一個評估點，先用模擬使用者 LLM 生成正常與邊緣場景，再在單元測試、確定性指標、LLM-as-a-judge 評分與整合測試四層做檢查。
美國初創公司 Reflection AI 發布首個前沿開源權重模型 Beam，稱其在高階推理基準上以更低推理成本對標中國領先開源模型。Beam 是純文字混合專家模型，總引數 5010 億、啟用 230 億，預訓練用了 23.8 萬億 token，上下文視窗 100 萬 token；對比 Z.ai 的 GLM-5.2 總引數約 7440 億、啟用 400 億。