Lean 與 Mathlib 社羣認證 Claude 協助形式化的黎曼猜想證明
Lean 與 Mathlib 社羣於 2026 年 11 月 21 日認證 Levent Alpöge 的 17-million-line Lean 程式庫正確陳述並證明黎曼猜想。
推薦理由:文章把編譯、定理陳述比對與多個證明核心的檢查分開交代,並指出認證涵蓋形式化產物,尚未解答證明如何簡化和理解。
Lean 與 Mathlib 社羣於 2026 年 11 月 21 日認證 Levent Alpöge 的 17-million-line Lean 程式庫正確陳述並證明黎曼猜想。
推薦理由:文章把編譯、定理陳述比對與多個證明核心的檢查分開交代,並指出認證涵蓋形式化產物,尚未解答證明如何簡化和理解。
LightningMoBA 在 50 k-token 故事生成演示中,將每步延遲降至 1.1 秒,較 FlashMoBA 減少 71%。其動態路由、KV-centric execution 和 runtime pipelining,在實際基準測試中帶來 2.2–2.7× 吞吐量提升,perplexity 與基準相近。
Lean 與 Mathlib 社羣認證 Levent Alpöge 的黎曼猜想證明正確,該證明由他與 Claude 合作完成,並以 Lean 庫形式公佈。證明包含 1700 萬行程式碼,通過四項驗證標準;175187 個模組編譯零錯誤,兩個獨立檢查程式亦接受完整證明。認證在證明公佈後一天內完成。
推薦理由:報道列出認證採用的四項檢查,涵蓋命題一致性、編譯結果與獨立檢查程序,呈現這項形式化證明如何接受核驗。
SimpleBench 涵蓋 200 多條問題,測試空間與時間推理、社交智能及語言對抗穩健性;9 名參與者的小樣本非專業人類基準得分為 83.7%,高於所有受測 LLM。Claude Fable 得分為 81.9%,是受測模型中的最高分。
Xenos 與 Giannopoulos 的研究測試 GPT-6.1 Sol 在沒有工具的情況下直接讀取、修改及撰寫可執行檔位元組,並正確辨識四個測試程式。模型在 FreeBSD 的 ministat 二進位檔中發現,標示為 99.5% 的選項實際使用 99.8% 的臨界值。延伸及從零撰寫測試均只允許一次作答,研究亦未提供方法能否擴展至大型真實執行檔的證據。
Anthropic 數學家 Levent Alpöge 稱,他與 Claude 合作證明黎曼猜想,並在個人網站發布四頁説明;公開內容只有 Lean 程式碼,沒有可供閲讀的論文。MIT 數學家 Andrew Sutherland 已獨立編譯該 Lean 證明,但核對程式是否精確證明原述命題的自動比對仍未完成。Alpöge 亦稱該方法可證明範圍更廣的廣義黎曼猜想,並表示會嘗試理解、簡化論證及正式撰寫。
推薦理由:報道並列 Lean 證明的獨立編譯、仍待完成的自動比對,以及 Alpöge 尚未完全掌握論證的情況,呈現這項宣稱的核驗脈絡。
Anthropic 數學家 Levent Alpöge 稱他與 Claude 找到黎曼猜想的證明,並以 Lean 分成 14 個數據包發布;數小時後,Stanford 的 Ravi Vakil 公開 Alessandro Masullo 不使用 AI 撰寫的廣義黎曼猜想證明草稿。Vakil 隨後表示,多人已指出 Masullo 的草稿存在問題,相關證明仍須經數學界審核才能獲接納。
這份綜述梳理 LLM 程式合成與形式化驗證,從早期把 LLM 視為程式碼補全工具,整理至以驗證器為裁判的「生成-驗證-修復」閉環。文章按形式化規格合成、循環不變量生成、端到端驗證程式碼生成等路線,分析表示質素、適應效率與計算成本的取捨,並探討可擴展性及 LLM 幻覺等挑戰。
這份綜述梳理大語言模型人類行為模擬與決策方法的演進,指出研究焦點已由定性模仿轉向分佈一致性、個體保真度及因果效應校準。SimBench涵蓋20個數據集,OmniBehavior則評估長時程、跨場景行為軌跡;兩者反映領域對標準化評估和長期行為建模的關注。
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。
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。
NYU 的 Tristan Buckmaster 與 Anthropic 的 Levent Alpöge 發表一項 AI 輔助證明,論證 Navier–Stokes 方程會發生爆破。兩人表示,該證明補上了 OpenAI 解法中的一個漏洞。
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。
《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。
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。
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。
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。
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%。
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%。
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%。
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。
Levent Alpöge 表示,他與 Claude 合作後相信已找到黎曼猜想的證明,並稱相關方法可延伸至廣義黎曼猜想。他們亦在不作假設的情況下形式化論證;Levent Alpöge 預期有更多時間便可進一步處理擴展黎曼猜想。
Anthropic 任職數學家 Levent Alpöge 聲稱使用 Claude 證明黎曼猜想,但他提供的材料尚未經任何人核實。他交出 14 份程式碼檔案;這個自 1859 年懸而未決、獎金達 100 萬美元的數學問題,仍待驗證。
Anthropic 數學家萊文特·阿爾波格宣稱,他與 Claude 合作完成黎曼猜想及廣義黎曼猜想的證明,並將證明編寫為 Lean 代碼。Lean 可逐步驗證數學推理是否正確,報道指出相關成果須經確認。
Anthropic 一名員工稱,他與 Claude 找到了黎曼猜想的證明,並表示該方法可延伸至廣義黎曼猜想。作者稱兩人已用 Lean 完成論證形式化,但論證目前篇幅甚長,他計劃進一步理解、整理並撰寫。
研究提出零梯度電路嫁接方法,無需訓練樣本或執行時掛鈎,便可把確定性計算直接編入預訓練語言模型權重。在 6 位數算術測試(N=1,200,BF16)中,IBM Granite 4.2 3B 和 Alibaba Qwen 3.5 4B 的 ALU-prefix 準確率分別為 99.17% 和 100.00%。
SpecWM 提出免訓練推理框架,利用目標模型的潛在速度場驗證草稿片段,並按門檻決定接受、精煉或拒絕。在 WBench Navigation 上,SpecWM 以 1.63 倍加速提升視覺質素,並將 NavScore 由草稿的 75.99 提高至 85.63。
研究團隊提出多模態概念透鏡 MC-Lens,分析視覺語言模型如何讀取概念、選擇性存取資訊,並將其用於後續計算與推理。實驗顯示,可靠的選擇性存取比概念可讀性較晚形成;不同模型家族和規模的模型則呈現共同的概念可讀性、依查詢而變的選擇性,以及跨任務介入效應。
WeMM-Video 論文提出一系列中英雙語全模態基礎模型,涵蓋 2B、4B、9B 及 35B-A3B,整合文字、圖像、音訊和影片處理,並支援快速回應及逐步推理模式。
論文提出 TuringSpace,一個包含 125 個互動式 CAPTCHA 的合成網頁環境,透過點擊和拖曳測試多模態模型的五種空間能力。人類成功率為 94.1%,表現最佳的模型 GPT-6 Astra 仍有 25.9% 的任務失敗;最佳開放權重模型 Kimi K3 則有 68.0% 失敗。