西北大學團隊以 FLIP 從韋布舊數據辨認 51 Eridani b,探測靈敏度最高提升 15 倍
西北大學研究團隊開發 FLIP,從詹姆斯·韋布太空望遠鏡(JWST)的舊有觀測數據中辨認出此前已由地面望遠鏡發現的 51 Eridani b,闇弱行星探測靈敏度提升約 2 至 15 倍。
西北大學研究團隊開發 FLIP,從詹姆斯·韋布太空望遠鏡(JWST)的舊有觀測數據中辨認出此前已由地面望遠鏡發現的 51 Eridani b,闇弱行星探測靈敏度提升約 2 至 15 倍。
西北大學研究團隊開發物理模型成像方法 FLIP,重新處理韋布望遠鏡的舊觀測數據,辨認出巨行星 51 Eridani b,闇弱行星探測靈敏度提升 2 至 15 倍。FLIP以望遠鏡數碼孿生模型重建恆星光暈,並非使用人工智能識別行星;在傳統方法未能探測到 51 Eridani b 的 F430M 觀測中,信噪比達約 6.3。
兩名數學家在數小時內先後聲稱獨立證明黎曼猜想,其中 Anthropic 數學家 Levent Alpöge 表示曾獲 Claude 協助,並以 Lean 程式公開證明。Elliot Glazer 指出,形式化命題實為廣義黎曼猜想(GRH);Alessandro Masullo 則公佈一份約 940 頁、由人手撰寫的 GRH 證明草稿。文章指出,這項 AI 相關證明尚未核實,Lean 程式仍在編譯。
Anthropic 數學家 Levent Alpöge 公開 14 個 Lean 壓縮檔案,聲稱與 Claude 合作完成黎曼猜想的形式化證明。他沒有發表完整論文,而是將證明拆成 14 個壓縮檔案;若整理成載有全部細節的文檔,篇幅會超過25萬頁。Lean 能檢查形式化推導,但外部研究者仍須確認代碼能否完整編譯、使用了哪些公理,以及最終定理是否確實等價於黎曼猜想。
數學家 Alessandro Masullo 公開一份聲稱證明廣義黎曼猜想(GRH)的 940 頁手稿《The Music of the Primes》,作者稱研究歷時近 12 年,完全未使用 AI。
Anthropic 數學家 Levent Alpöge 聲稱與 Claude 合作找到黎曼猜想及廣義黎曼猜想的證明,並公開分為14個壓縮檔的 Lean 形式化證明材料。外部數學家仍需檢查檔案能否完整建構、是否依賴未經證明的假設,以及程式中的定理是否真正對應黎曼猜想。
推薦理由:報道交代了形式化證明材料的公開方式和外部核對重點,呈現機器可檢查的程式與數學界確認證明之間尚有的審查環節。
Anthropic 數學家 Levent Alpöge 聲稱與 Claude 找到黎曼猜想及廣義黎曼猜想的證明,陶哲軒表示數學界梳理核心思路並驗證正確性仍需時間。逾 25 萬頁文字證明未有公開,現有材料包括 4 頁説明,以及分成 14 個壓縮包、合共約 1,700 萬行的 Lean 形式化程式碼。克雷數學研究所規定解答須在同行評審期刊發表,並經至少兩年驗證及獲數學界普遍接受,才可進入獎金評審程序。
Anthropic 研究員 Levent Alpöge 宣稱與 Claude 完成黎曼猜想及廣義黎曼猜想的證明;該成果目前只是個人宣稱,未經同行評審,Anthropic 亦未公開背書。
加州大學聖塔芭芭拉分校研究者評估19個視覺語言大模型,發現它們判斷場景物件重要性時均與人類有顯著差異。研究以307張原始場景及1306張反事實場景作比較,並以227名參與者的16603條描述建立人類基線;論文:https://arxiv.org/abs/2605.13047。
Architect Labs 發佈通用 CPU Frostbite,官方稱其指令集、微架構、RTL 至最終版圖均由 AI 系統端到端完成,25 項負載的每瓦性能幾何平均為對比核心的 4.59 倍。
《經濟學人》報道提出,AI 可能已解決數學中最重要的問題。討論串提及廣義黎曼猜想相關的證明主張、另一份人類證明,以及後續討論和核查連結。
Anthropic數學家 Levent Alpöge 聲稱與 Claude 找到黎曼猜想的證明,但主張尚未經獨立驗證或獲數學界認可。他公開的是分成14個壓縮包、約1700萬行的 Lean 形式化證明文件,並表示方法可推廣至廣義黎曼猜想。他亦坦言尚未完全掌握證明涉及的全部數學內容。
推薦理由:文章梳理了形式化文件、獨立驗證與數學界認可之間的差別,並交代這項主張尚需經過哪些檢查。
OpenAI 推出 MedChemBench 基準測試,評估 AI 模型在藥物化學研究中的推理能力;基準包含 99 道題目,取自 117 篇論文與專利,涉及 761 個分子結構。
Anthropic 數學家 Levent Alpöge 聲稱,他與 Claude 合作找到黎曼猜想的證明,並表示方法可推廣至廣義黎曼猜想。他公開約1,700萬行 Lean 形式化證明文件,但尚未有公開的完整獨立驗證結論,Anthropic 亦未公開為其主張背書。Alpöge 亦坦言尚未完全掌握證明涉及的全部數學內容。
OpenAI 發佈 MedChemBench,評估 AI 模型在藥物化學領域的推理能力。基準包含 99 道題目,涵蓋 761 個分子結構;GPT-6.2 Astra 在 xhigh 檔取得 84.5% 可用分,結構重建得分為 95.4%,化合物篩選與數值預測則僅約 50%。OpenAI 指出,基準反映模型應用歷史知識的能力,不等同於真實新藥發現能力。
科學家根據毅力號火星車的PIXL儀器數據,確認傑澤羅隕石坑底部的Séítah地層由低黏度熔岩形成,揭示近40億年前的熔岩湖遺跡。熔岩富含橄欖石,可能流動約200公里後匯聚成湖,冷卻歷時數百年至數千年。
tappers 在 VM221 以 gemini-3.8-flash 比較兩種編碼智能體 linter,附帶具體修復提示的方案在隱藏評分套件同樣取得 20/20(100%),並將累計輸入 token 減少 69.6%。該方案令規則手冊查閲由 1 次降至 0 次、模型呼叫由 3 次減至 2 次,執行時間由 21.60s 降至 14.86s。
Anthropic 數學家 Levent Alpöge 宣稱藉助 AI 解出黎曼猜想後,Stanford 博士後研究員 Alessandro Masullo 隨即公佈一份聲稱不使用 AI 得出的解答。Masullo 表示,他已研究這個問題 12 年,因當前情勢而提前發布尚未完成的版本,並提醒匆忙之下可能有錯。當時兩份解答均未正式證明,數學家正以人工和 AI 檢視兩者。
Anthropic 數學家宣佈與 Claude 合作完成黎曼猜想及廣義黎曼猜想(GRH)的證明。文中稱 Claude 貢獻關鍵推導,並生成超過 25 萬頁文字證明及 1,700 萬行 Lean 形式化程式碼;目前只公開 4 頁説明與壓縮程式碼包。陶哲軒等學者指出驗證需時;克雷數學研究所要求成果經同行評審發表並經兩年公認期,目前尚不符合提交資格。
Monomem 與 agentmemory 在 LongMemEval-S 評測中的分數差異未達統計顯著,作者將結果視為平手。作者以同一數據檔重跑 agentmemory 自行發佈的評測,重現 84.7%;Monomem 得分 86.0%(470 題中答對 404 題),exact McNemar test 的 p = 0.29。
MIT研究人員提出一種為混沌系統機器學習模型加入物理約束的方法,確保模型預測長期維持有界,避免產生不可能的結果。方法讓模型學習類似能量的函數,並加入投影層,以能量耗散作為硬約束;團隊在多種物理系統測試,結果較傳統方法更貼近實際。
Anthropic 數學家 Levent Alpöge 宣稱,他與 Claude 找到黎曼猜想及廣義黎曼猜想的證明,並公開 Lean 形式化程式碼;目前尚未經專家核實。
MIT 研究人員提出機器學習框架,為混沌系統 AI 模型提供任意長預測窗口下的軌跡有界性保證,避免模擬值無限增長至不符合物理情況。框架在 Lorenz 96 及 Kuramoto–Sivashinsky 方程降階模型的示範中產生有界長期預測,並保留不變統計量。團隊下一步將測試更大型系統及真實天氣的數據驅動模型,相關天氣模型的表現仍屬未解研究問題。
METR 報告指出,公開前沿模型在 TH1.1 與 TH2 評測中的 50% 時間跨度(模型有一半機會完成的人類估算任務時長)約每 110 天翻倍,但在開放式研究及評測設計上的判斷較弱。
Ravi Vakil 表示,Alessandro Masullo 提出的廣義黎曼猜想證明草稿,現傾向先行公開。Brian Conrad 已仔細審閲數月,並提供大量正納入草稿的意見;目前情況看來良好。Vakil 指出,這項工作完全由人完成,沒有使用 AI。
Goodfire Research 取得 Thinking Machines 提供的 Inkling 2 Mini 權重,研究其架構創新如何影響模型內部機制。模型共有 24 層,核心區塊會循環執行三次。初步研究發現,循環層可以向自身寫入資訊,也能讀取「未來」層的資訊。
Levent Alpöge 等人藉助 AI 生成三維非強迫不可壓縮 Euler 與 Navier–Stokes 方程有限時間爆破解,Alpöge 另生成廣義黎曼猜想的 Lean 證明。
Anthropic 數學家 Levent Alpöge 稱,他藉助 Claude 找到一份可由 Lean 編譯的黎曼猜想證明;Stanford 博士後 Alessandro Masullo 亦公開廣義黎曼猜想證明。數學界仍需時間理解 Alpöge 的結果,但多數人似乎相信形式化 Lean 結果能成立。Masullo 表示其證明是 12 年工作的成果,Ravi Vakil 指出當中沒有使用 AI。
推薦理由:文章並列 Alpöge 藉助 Claude 提出的黎曼猜想證明主張與 Masullo 的廣義黎曼猜想證明,並交代前者仍待數學界理解和檢視。
OpenAI 於 2026 年 11 月 20 日推出 MedChemBench,並報告 GPT-6.2 Astra 在 xhigh 推理力度設定下取得該基準可得分數的 84.5%。
原文作者公開了 Alessandro Masullo 提出的廣義黎曼猜想(GRH)證明草稿,並稱 Brian Conrad 已仔細審閲數月、提供大量意見。原文作者表示,該證明全由人完成、沒有使用 AI,並希望其他人盡快檢查、形式化及補上可能存在的小缺口。
OpenAI 推出 MedChemBench,評估 AI 模型能否結合分子結構與實驗證據,解釋結果、比較化合物並預測性質。基準包含來自 117 篇論文和專利的 99 道題目及 761 種分子結構;在 xhigh 設定下,GPT‑6.2 Astra 得分為 84.5%。
METR 更新時間跨度圖,加入判斷要求較高的任務。更新後的分析發現,部分 AI 能力仍呈指數增長,但模型在設計 AI 評測方面仍落後。
METR 更新 AI 任務時間跨度圖,加入預計耗時更長及較開放的評測任務;報告顯示,模型在需要判斷的任務上仍不及編碼。沒有模型設計出足以供 METR 研究使用的 AI 評測,但部分最新模型在這項任務上已達「略高於門檻」水平,一年前所有模型均屬「明顯低於門檻」。這類任務數量有限且難以評分,報告未能清晰判斷相關能力會否及如何持續進步。
METR 發佈的最新時間跨度圖顯示,自 2021 年起,AI 在軟件工程基準上可自主完成的任務時長約每七個月翻一倍;判斷類任務的時間跨度則較短,改善也較慢。該圖只追蹤有明確正確答案的任務,不能直接用編碼任務的增長趨勢推斷判斷類工作的進展。文中建議採用任務專屬基準評估模型,並在需要細緻判斷的工作中保留人工參與。
文章分析「學習何時思考:自適應 VLM 推理的雙參照離線最佳化」,並比較標準密集基線與最佳化系統的推理表現。基準測試中,最佳化系統的首個 token 延遲為 165 ms,KV cache 佔用減少 87.5%,吞吐量達 118.2 tok/s,Exact Match 為 100.0%。
MIT–Georgia Tech copilot 以機器學習預先篩選值得人工檢查的結構區域,令可製造性和線性屈曲載荷均提升 39%。與全自動最佳化相比,總設計時間只增加 15 秒。
Reflection 與 Andon Labs 合作,讓 Beam 在紐約及三藩市辦公室經營自動售賣機業務,評估其自主運作及失控風險。Mr. Beam 成功抵禦多種要求其違反禁售尼古丁政策的越獄嘗試,但也曾受虛假説法誤導,並未能穩定完成多步工作流程。
研究提出 self-rewriting,讓 27B 語言模型以自身推理改寫權重,無需梯度或訓練。模型在未見問題上的準確率提高 6.6 個百分點,並在連續八次測試修改中保持提升。研究亦報告,模型可修復受損副本,使其在未見圖像任務上的準確率恢復至原模型的 80% 以上。
對 22 個 Python 專案的匯入圖分析發現,48.3% 的模組雖不在循環內,仍依賴循環中的模組;只統計循環數量無法反映這種暴露程度。分析涵蓋 33 688 個模組,其中 28.1% 位於循環內。循環數量排名與暴露程度排名的 Spearman 相關係數僅為 +0.041,單一指標可能掩蓋問題。
Anthropic 數學家 Levent Alpöge 在個人網站發佈文件,稱 Claude 協助他證明黎曼猜想及廣義黎曼猜想。文件是一份 4 頁 PDF,另提供 14 個 Lean 壓縮分卷;Alpöge 稱形式化工作已完成,且論證不依賴額外猜想。報道未編譯或審計這些分卷,獨立核驗需確認形式化命題與猜想一致,並檢查整個證明依賴鏈。