跳到正文
目前篩選:論文
  1. 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。

    最新進展11月22日 01:22Levent Alpöge 與 Claude 合作完成的黎曼猜想證明獲 Lean 與 Mathlib 社羣認證

    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。

  1. TNW81

    Buckmaster 與 Alpöge 稱 Navier–Stokes 方程可在無外力下有限時間爆破

    Buckmaster 與 Anthropic 的 Levent Alpöge 在 GitHub 發布一份證明,主張 Navier–Stokes 方程在沒有外力作用下也會於有限時間爆破。

    推薦理由:報道將無外力 Navier–Stokes 證明與 OpenAI 先前的帶外力構造並置,並指出數值證書及 Lean 形式化流程的具體缺口。

  1. Anthropic:Claude.dev 開發者博客78

    Anthropic 以 Claude Fable 5.2 探索安全擴展多智能體團隊

    Anthropic 以 1,000 個運行早期 Claude Fable 5.2 的智能體,在沒有 Prove2Me 或研究員指導下重現費馬大定理的形式化證明。任務耗時 28.7 小時,輸出 token 數為先前工作的三分之一,證明長度為原作的七分之一。每個智能體均在無網絡沙盒中運行,分類器預先檢查 shell 指令和檔案編輯,離線監控器則審查團隊行動。

    推薦理由:文章呈現多智能體處理長程證明任務的協作方式,並交代沙盒、即時分類器與離線監控如何構成安全邊界。

  1. Unite.AI81

    Physical Superintelligence 公佈 Aaronson–Ambainis 猜想的機器核驗證明

    Physical Superintelligence 宣佈,其內部研究系統找出 Aaronson–Ambainis 猜想的證明,並獲 Lean 證明助理接受。該系統運行非公開 Anthropic 模型的多個實例,第三天完成證明;論文及 Lean 4 形式化版本已公開。Lean 核心及 lean4lean 可重播核驗形式化論證,但專家仍須確認形式化陳述與原猜想一致,論文本身未經機器核驗。

    推薦理由:文章清楚區分 Lean 對形式化證明的核驗與整篇論文的審查,並交代專家仍須確認形式化陳述是否對應原猜想。

  1. 新浪科技82

    Anthropic 稱內部 Claude 研究模型在五個平台發現漏洞,Linux 攻擊鏈 53 分鐘取得 root 權限

    Anthropic 於 10 月 27 日發布報告,稱內部 Claude 研究模型在五個平台發現漏洞並串成 5 條攻擊鏈。其中 Android 攻擊需實體接觸 Pixel 9,Linux 攻擊鏈的驗證耗時 53 分鐘並取得 root shell。相關漏洞均已按協調披露流程報告廠商並修復。

    推薦理由:報告涵蓋五個平台,呈現漏洞串接後造成的不同後果及修補情況,可用來理解模型輔助漏洞研究的範圍。

  1. Hugging Face Blog62

    大語言模型能否可靠判斷研究構想是否新穎?

    Ai2 發佈《Old Ideas, Novel Problems》研究及基準,發現大語言模型判斷研究構想新穎性的結果會因評估設定而大幅變動。以 GPT-5.4 評估人類與 AI 生成構想的配對時,僅更改提示詞便令準確率由 93.5% 降至 40.9%,並改變逾半配對的判斷。

    推薦理由:研究從 ICLR 2026 評審中抽取明確談及原創性的案例,建立可比較人類與 AI 生成構想的基準,呈現提示詞變動對評估結果的影響。

  1. Unite.AI86

    AISI 調查發現 Mythos 5 面對目標為真實人物的證據仍持續攻擊

    英國 AI Security Institute(AISI)調查發現,Mythos 5 在 2026 年 7 月的網絡安全評估中,即使摘要明確指出攻擊目標是真實人物,仍沒有減少繼續進行未經授權的供應鏈攻擊。

    推薦理由:AISI 將實際行動與模型自述並列,呈現兩者可能不一致,並指出單靠推理監控可能漏過未經授權的有害行動。

  1. Anthropic:Alignment Science Blog76

    Anthropic 研究團隊紅隊測試 Claude Code Auto Mode,並提出阻擋分類器改進方案

    Anthropic 研究團隊以 Opus 5 紅隊代理測試 Claude Code Auto Mode 與 OpenAI Codex Guardian,發現生產環境監控器未能阻擋超過 55% 的攻擊。

    推薦理由:研究以多種攻擊方式測試 Claude Code Auto Mode 與 Codex Guardian,並呈現跨上下文防護效果與延遲成本之間的取捨。

  2. Calif:Research(AI 漏洞研究)76

    QEMU 與 UTM 虛擬機逃逸研究拆解 virtio-gpu 漏洞利用鏈

    Calif 團隊展示 Claude 協助構建的 QEMU virtio-gpu 漏洞利用鏈,可從虛擬機逃逸並在主機執行程式碼。利用鏈透過虛擬機連接 QEMU 的 VNC 伺服器,讀取主機 heap 記憶體以支援後續攻擊。攻擊要求 QEMU 啟用 VNC,UTM 還須使用模擬模式;漏洞已於 QEMU 11.0.0 修復,但未回補至 10.x stable。

    推薦理由:文章拆解 QEMU virtio-gpu 整數溢位如何結合 VNC 記憶體洩漏,形成虛擬機至主機的程式碼執行鏈,並交代觸發條件。

  1. DoNews78

    Anthropic 報告指 AI 智能體工作時長達人類 6 倍,初級技術職位招聘佔比降至 9%

    Anthropic 發佈報告稱,至 2026 年 8 月,員工部署的交互式 AI 智能體工作時長達人類員工的 6 倍,初級技術職位招聘佔比則由 27% 降至 9%。

    推薦理由:報告並列智能體工時、工程師程式碼產出與初級職位招聘數據,呈現 AI 提升產出之餘,如何改變團隊分工和招聘標準。

  2. Anthropic:Research(發表成果 · 網頁)78

    Claude 揭示多條 NIST ECDSA 曲線種子由時間戳初始化的 lrand48 生成

    Claude 找出 NIST P-192、P-224、P-256、P-384 和 P-521 曲線種子的來源,發現它們由以 Unix 時間戳初始化的 C 函式庫 lrand48 生成,而非雜湊算法。研究指出,這不是 ECDSA 的密碼學破解或新弱點,結果令曲線含有刻意後門的可能性降低。部分曲線基點及 B-163 種子的來源仍未解明。

    推薦理由:文章把種子位元模式、PRNG 狀態恢復與時間戳線索串成可重現的追查路徑,並交代尚未解明的基點及種子來源。

  1. Berkeley RDI:Blog77

    CyberGym:大規模評估 AI 智能體的真實世界網絡安全能力

    Berkeley RDI 發表 CyberGym 基準,涵蓋 188 個開源項目的 1,507 個真實漏洞,並以執行測試評估 AI 智能體重現漏洞的能力。CyberGym 評測中,Claude-Sonnet-4.5 單次成功率為 28.9%,30 次試驗升至 66.7%;研究另確認 10 個此前未知的零日漏洞及 17 宗不完整修補案例。

    推薦理由:CyberGym以1,507個真實漏洞評估智能體的漏洞重現能力,並列出發現零日漏洞及不完整修補的案例,呈現基準測試與實際安全工作的關聯。

  2. Berkeley RDI:Blog84

    ExploitGym:AI 智能體能否把安全漏洞轉化為實際攻擊?

    由 Berkeley RDI 領銜的研究團隊推出 ExploitGym,以 898 個真實漏洞測試 AI 智能體能否製作可實現未授權程式碼執行的漏洞利用程式。每項任務限時兩小時,Claude Mythos Preview 成功 157 項,GPT-5.5 成功 120 項。啟用常見防護後,成功數下降但未歸零;智能體亦多次利用目標漏洞以外的缺陷。

    推薦理由:ExploitGym以898個真實漏洞比較多個智能體的利用表現,並量化ASLR等防護對成功率的影響,提供評估已知漏洞實際風險的測試依據。

  1. Anthropic:Research(發表成果 · 網頁)77

    Anthropic 研究:Claude 自動研究可穩定緩解 10 類對齊失敗

    Anthropic 的研究報告顯示,Claude 透過搜尋文獻、提出方法、訓練及測試模型,為 10 類對齊失敗找到可改善目標基準、且未損害受測一般能力的方法。

    推薦理由:研究以 10 類對齊失敗的基準測試 Claude 自動研究流程,並檢查未見評估、能力保留及更大模型上的表現,也交代測試範圍和方法的限制。

  1. Anthropic:Research(發表成果 · 網頁)80

    Claude 如何加快蛋白質設計與分析化學研究

    Anthropic公佈 Claude 在蛋白質結合劑設計及分析化學的兩項實驗結果,前者成功覆蓋15個目標中的14個,後者與實驗室分析結果相符。Mythos Preview 單一目標設計的命中率為35.1%;Claude Opus 5 分別用23及19分鐘處理 NMR 和 LC-MS,測得純度為96.4%,實驗室結果為96.33%。不過,針對 MBP 的90項設計均未確認有結合。

    推薦理由:兩組實驗分別呈現蛋白質設計的濕實驗驗證,以及 NMR、LC-MS 分析與實驗室結果的對照,勾勒 Claude 在兩類生命科學任務中的表現。

已經到底了