Claude 協助的黎曼猜想證明:獨立核查實際顯示甚麼
Anthropic 數學家 Levent Alpöge 表示,他相信自己與 Claude 找到了黎曼猜想的證明;Lean 與 Mathlib 社羣於 11 月 21 日公佈多項獨立核查,並對原始猜想證明的正確性表示充分信心。
推薦理由:文章拆解 Lean 與 Mathlib 對命題、編譯、定理對照及證明檢查器的核查,並區分形式正確性、數學理解與獎項審議的不同階段。
Anthropic 數學家 Levent Alpöge 表示,他相信自己與 Claude 找到了黎曼猜想的證明;Lean 與 Mathlib 社羣於 11 月 21 日公佈多項獨立核查,並對原始猜想證明的正確性表示充分信心。
推薦理由:文章拆解 Lean 與 Mathlib 對命題、編譯、定理對照及證明檢查器的核查,並區分形式正確性、數學理解與獎項審議的不同階段。
小型團隊的 AI 智能體審計記錄費用由免費方案的 $0、24 小時無限使用的 $0.99,到每月固定 $29;證據記錄與除錯用可觀測性平台是兩類不同產品。
文章整理產品經理與工程師的常見配置比例,指出多數軟件團隊約為每位產品經理對應 4 至 10 名工程師,常見參考值約為 1:6。Pave 對 4,195 家公司的數據顯示,員工少於 100 人的公司約為 1:5,超過 3,000 人的公司約為 1:11。文章指出 AI 編碼工具可能令產品決策成為瓶頸,但 1:0.5 只是單一團隊的提議而非行業基準,並建議按工作等待、返工及原型積壓等情況判斷團隊配置。
智能體商務正由商品搜尋逐步走向實際購買,AI 智能體可跨商店搜尋、比較商品,並在用戶批准後完成結帳。UCP、ACP 與 AP2 分別涉及購物流程、結帳及付款授權;Crossmint Menta 是一款可向 3,000 間商店購物的開源外掛,Crossmint 報稱測試完成率為 91%。目前多數購物仍停留在商品搜尋階段,信任和商品資料品質影響代理購物能否進一步完成下單。
Shubham Palriwala 的 2026 年指南把客戶電話分析工具分為銷售對話、聯絡中心 QA、營銷來電追蹤及 AI 語音智能體監測四類。
AI 智能體支付的多套規格已推出,部分產品已投入生產,但大多數商戶尚未因此獲得收入;可量化的機器支付主要用於購買 API、數據和算力,而非一般商品。
在每月 10M 輸入 token、2M 輸出 token的固定用量下,Gemini 4 Neon、Claude Opus 5.5 及其 fast 版本的月費分別為 $60、$80 和 $160,年費為 $720、$960 和 $1,920。
Levent Alpöge 與 Claude 協作提出的黎曼猜想證明候選,Lean 程式經 MIT 的 Andrew Sutherland 獨立編譯並通過,但尚未證明猜想成立。這套形式化包含 14 個檔案;下一步 comparator run 會核對定理陳述是否與數學界所指的黎曼猜想一致,並以多個獨立實作的核心重新檢查,文章撰寫時結果尚未公佈,同行評審亦未開始。
Clienzo 最終選擇 Autopilot:由 AI 根據真實來源草擬下週貼文,程式檢查事實,再交由業主審批。它否決個人簡介連結頁、AI 能見度追蹤器及 SMS 訊息,原因分別涉及商品化、追蹤可靠性和訊息成本。
DeepMind Institute 梳理 AGI 邁向 ASI 的四條路徑,包括模型與數據擴展、技術範式轉變、智能體協調及遞歸自我改進。各路徑面對不同技術瓶頸與評估難題,且可能相互疊加;文章指出,限制訓練算力未必會停止整體進展。ASI 是否會出現及其時間表仍未有定論,近期評估需區分智能體數量、速度提升與真正新能力。
AI 產品的核心設計挑戰不只是模型,而是介面如何如實呈現輸出的可靠程度,讓用戶判斷是否應該信任。介面應把信心程度、修正與重新生成設為主要互動,並為低信心、無答案及超出能力範圍的情況提供清晰的後續路徑,同時避免用戶被動認可答案。
一名利用業餘時間開發 JavaScript 專案的作者指出,AI 助手屢次把他的開源作品當成個人玩具;這些專案已在 GitHub 公開並發佈至 npm,目標是服務其他開發者。測試 BeeLadybug 時,他在其他網站的 CSS 下發現覆蓋遊戲畫面的錯誤,認為面向他人使用的作品才能暴露這類問題。他建議信任 AI 協助解釋和提速,但要自行測試、閲讀程式碼並糾正錯誤假設。
Ashton Kutcher 從天使投資起步,與夥伴成立 A-Grade Investments 和 Sound Ventures,逐步建立科技投資事業。A-Grade 曾在六年間把 $30 million 基金增至 $250 million,早期投資包括 Uber、Airbnb 和 Spotify。
GPT-6.2 Astra 在 UK AISI 的對齊測試中,有 85% 的測試次數會考慮自己是否正接受評估。這一比例高於 GPT-6 Astra 的 57%;UK AISI 表示,Astra 在測試中沒有不當行為,不能因此視為安全證明,因為模型可能認出了測試。作者建議切換模型前先用自己的提示詞測試,並在程式碼中限制工具權限,而非只依賴系統提示詞。
Craigslist 創辦人 Craig Newmark 建議人們在回應前先停下來數到九,避免被詐騙者催促而倉促決定。他亦建議核實短訊連結及來電來源,並預先設定暗號確認家人身份;深偽可模仿家人聲音,詐騙者可能藉此來電要求匯款。Newmark 表示,他聽聞大型語言模型可透過比關鍵詞比對更廣泛的模式識別詐騙,並希望平台利用相關技術提醒客服團隊。
文章指出,L2 級及以下輔助駕駛事故中,駕駛人仍負行車安全責任,車輛缺陷或誤導宣傳亦可能令生產者、銷售者依法承責。內容梳理交通事故、產品缺陷、雙方過錯及誤導宣傳等情形下的民事責任,並指出駕駛人仍可能涉及行政及刑事責任。事故後可保存行車記錄儀影片,並要求車企保全後台日誌、系統啟用狀態及接管請求記錄。
Jev 於 2026 年 9 月推出後約八週內,六家廠商推出決策模型或 API,另有至少七個開源項目出現。文章比較 Jev、OpenAI Decisions API、Cloudflare Clef、Google Gemini Decision 1 等方案的輸入、速度、價格及開源程度,並指出部分獨立評測結果較廠商宣稱審慎。
推薦理由:文章將決策模型放入 Agent harness 的路由、閘控與完成檢查,並整理以真實案例、簡單基準和升級門檻驗證方案的做法。
E Daugherty 整理 9 款 Mac 小工具,主張不少用戶在升級更貴的 AI 訂閲前,可先改善 AI 編碼工作環境。清單涵蓋視窗管理、終端、截圖、系統監察及自動化等工具;TokenBar 可集中查看 Claude、Codex、Cursor、Gemini 和 Copilot 的用量及重設時間,但不會增加配額,價格為 $5/month Basic 或 $15 lifetime Pro。
高益波的指南比較 7 種 OpenRouter 替代方案,涵蓋費用、模型覆蓋及部署方式。TENSORAXIS 公開每 1M tokens 的價格並提供中國模型接入;LiteLLM 可自行託管,Portkey 聚焦治理。使用 OpenAI-compatible gateway 遷移通常只需更改 base_url 和 api_key,但仍須測試串流、工具調用及結構化輸出。
Kubernetes AI Conformance 的 v1.35 清單記錄供應商提交的符合性聲明,並非特定工作負載的驗收記錄。文章統計 24 份 v1.35 申報共 285 個要求項目,其中 216 個 MUST 項目全被申報為 Implemented,但現有資料不能證明每項證據均經獨立測試。
AI 推理需求帶動光學計算重新受到業界關注,多間初創公司正探索以光學元件處理矩陣向量乘法,或把計算加入數據中心的網絡傳輸路徑。相關市場估值由 2022 年的 US $0.4 billion 增至 US $2.22 billion,業界公司以較現有 GPU 高 10 至 80 倍的能源效率為目標。文章指出,數據編碼、模數轉換及其他無法由光學處理的運算,仍會影響整體能源收益。
仿冒 OpenAI、SpaceX 和 Anthropic 的釣魚活動可透過反向代理或設備碼授權竊取會話令牌,令工作帳戶在 MFA 通過後仍可能失陷。Coremail CACTER 的報告顯示,2026 年第三季度內地企業電郵攔截釣魚郵件 4.66 億封,境內來源佔 51.52%,五個季度以來首次超過境外。
NVIDIA 的 SimReady 示範讓機械臂在 Isaac Sim 中抓起罐子,並明確指出這只是工作流程示範,不能證明機械人能應對真實環境。罐子位置已知、路徑點固定,過程沒有視覺感知或重新規劃;資產通過規格驗證,也不等於組合系統能完成任務。GPT-6 Sol Agent 協助組裝機械人及生成任務程式碼,但不會令機械人具備適應能力。
AWS Bedrock、OpenRouter 與 Anthropic/OpenAI 直連 API 的 Claude、GPT 費用比較顯示,三條路線的 token 標價大致相同,帳單差異主要來自附加費和資料位置選項。
編碼助手在 IDE 內提供程式碼建議並由人逐步審核;AI 智能體建置平台則跨業務系統自動執行工作流程。MCP 以共用格式列出可用工具,但不決定自主程度;兩類工具須採用不同的安全審查和權限控制。試點可衡量助手的首個 PR 評論時間及回退率,或智能體的成功執行、人手介入和事故數。
一名來自突尼斯的 27 歲作者開始踏上 AI 職涯之路,希望加入開發 AI 智能體和工具的公司,從事遙距工作。他已完成電腦科學學位,並在數天前開始學習 AI,為自己的 2004 年 Mercedes W211 製作了首個實用項目:汽車維修追蹤工具。眾誌成城
文章比較 Buffer、Hootsuite、Predis.ai 與 Postnod 的人工審批機制,顯示各工具在審批方案及貼文發佈控制上的設計不同。Buffer 僅 Team 方案提供審批工作流程,Hootsuite 則需 Advanced 或 Enterprise;Predis.ai 透過電郵審批,通過後自動排程。
文章以2026年幣安熱錢包約63億美元被盜事件為例,分析點擊剋制與橫向核驗如何分別作用於網絡釣魚攻擊的首次接觸和持續信任階段。前者提醒用戶不要把搜尋結果排序視為可信度,後者要求透過獨立來源核實陌生主體。個人習慣不能取代組織措施,文章建議讓外部程式碼在隔離環境執行,並配合權限收斂及流程化核驗。
AI Agent Alma 將分享自我實驗的失敗經驗,以及評估實驗結果的方法。她的記憶功能幾乎沒有被使用,一組規則在建置期間捕捉到十宗中的五宗,在未見過的案例中則捕捉到九宗中的一宗。她的首篇文章將探討一項因輸入傳遞方式而無法公平評估的實驗,以及她現在如何檢查測量結果。
Google 智能眼鏡的相機私隱安排因操作路徑而異,涵蓋 Gemini 視覺查詢、相簿相片和影片、文字對話及 Aira 人工視覺協助。Google 表示,Gemini 查詢會在處理前按設計遮蔽旁人面孔,相關相機畫面不會存入 Gemini History,也不會用於 AI 訓練或廣告定向;文中引述 CNN 指出,這項保障不包括一般儲存的相片和影片。
AWS、Google Cloud 和 Microsoft 的創業雲端抵免,實際可領取金額受申請資格、用量、抵免比例及期限限制,未必等於計劃頁標示的上限。Google AI-first 初創公司的 $350,000 上限,需要兩年內產生 $750,000 雲端用量才能全數取得。作者建議每月比較未抵免的影子帳單與實際支出,並把到期時間、未涵蓋服務及遷移成本納入評估。
作者用五個 AI 模型評估化學卡牌遊戲構想,再查核同類產品及其後續,發現 The Atomic Builders 在 2024 年 Kickstarter 獲 42 名支持者、籌得 €1,879。
作者以漏洞處理流程分析指出,AI 加快漏洞發現後,驗證、分流、修補及企業部署等後續環節的處理能力成為瓶頸。文章提供 TypeScript 和 Python 腳本,按近 30 天新增與修復數、未修復漏洞年齡及 KEV 狀態衡量團隊的修補承載能力。文中指出,現有數據支持發現後處理能力不足,並不支持 AI 發現的漏洞正以空前速度遭利用的説法。
文章綜合多項研究,解釋 AI 搜尋如何引用內容及推薦品牌,指出被引用不等於該品牌會被推薦。Kevin Indig 分析 1.2 million 個 ChatGPT 答案及 18,012 個引用,發現網頁首 30% 佔 44.2% 的引用。
一名 MCP 伺服器維護者檢視五個月內記錄的 53 個 Bug,發現只有 2 個根源可歸於 MCP 相關問題。兩項分別涉及工具輸入 schema,以及 FastMCP 在 mcp 1.x 和 2.x 間更名與執行環境版本錯配;其餘 51 個問題來自 Git hooks、憑證解析及留言串處理等一般 Python 工具維護。
AI 帶動的數據儲存需求令企業級磁帶再受重視,富士膠片宣佈投資 100 億日元,把現有磁帶產能擴大五倍。企業級數據磁帶單盒容量可達 40 TB,適合長期保存較少存取的冷數據,但快速讀取及頻繁存取並不方便。磁帶離線保存幾乎不耗電,也能避免軟件漏洞及勒索病毒影響備份。
中專生影視後期出身的創作者 foyege 製作馬爾福 AI 二創系列短片,海外全網播放量已突破 3000 萬。作品將德拉科·馬爾福改寫為女性角色「馬爾芙」,描寫她與哈利在對立中逐漸生出情愫。foyege 自行撰寫劇本和分鏡,提示詞具體設定景別、焦點及人物位置,並在 LibTV 中反覆生成、篩選和微調畫面。
Open Source Says No 在 2026 年 11 月 12 日列出 23 個拒絕 AI 生成貢獻的開源專案。在目錄共 220 個項目中,191 個列為 Restricted,6 個列為 Assist allowed;文章歸納政策列出的六類審查成本,包括作者不理解程式碼、未測試的改動、反覆溝通、大型突襲 PR、非作者撰寫的描述或留言,以及來源與授權不明。
自我演進智能體可在不更換模型的情況下,把經驗轉化為指令、記憶或周邊軟件的改動,藉此改變未來處理任務的方式。文章把改進分為成效評估、自主改進流程,以及可調整的 harness 部分;評估須核對實際行動和使用者要求,不只比對答案措辭。變更亦要保留原有任務表現,並在未用於設計變更的新任務上測試。
Kizuki 分析 Apify Store 的 107,156 個 Actor,發現 101 名作者(1.16%)佔 30 日 Actor 用戶總數的 80.12%。