MultiO 研究指出,AI 模型獨有主張即使大致正確,也可能因誇大而誤導
MultiO 的模型分歧研究發現,AI 模型獨有主張即使方向大致正確,也可能因機制、措辭強度或數字誇大而誤導。
MultiO 的模型分歧研究發現,AI 模型獨有主張即使方向大致正確,也可能因機制、措辭強度或數字誇大而誤導。
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。
作者向來自 30 間公司的 65 個 AI 提問 127,918 次,發現不同用戶經常收到相同建議。書籍推薦中,73% 的回答是《Man's Search for Meaning》,而 90% 的求學建議指向電腦科學;在一個可逐階段測量的開放模型中,常見答案於監督式微調階段出現。測試亦顯示,提供個人細節可把常見預設答案比例由 53% 降至 11%,要求列出 10 個選項後自行挑選則降至 17%。
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。
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。
VideoMemBench 評測 25 個模型在影片多輪對話中的記憶能力,Claude Opus 5 綜合得分 45.7,位列第一。數據集包含 326 段影片及 2,476 輪問答,其中 1,387 輪需要依賴前文,評測分為場景依賴和答案依賴。依賴距離由 1 輪增至至少 5 輪時,受測模型的平均準確率由 30.2% 降至 23.1%;Claude Opus 5 的答案依賴指標為 35.7%。
兩份競爭性的黎曼猜想證明於 11 月 20 日公開,其中一份來自 Anthropic。數小時後,美國數學會主席發佈一名史丹福年輕研究者撰寫、未使用 AI 的草稿。
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。
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。
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。
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。
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。
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。
PlaceBench 在 150 條有關真實地點的日常問題中,選取 20 條向 6 款 AI 助手各提問三次,測試答案能否保持一致。Dots 有 17 條問題三次全答對,且從未答錯;Instinct 則有 15 條問題的評分在多次作答間改變。測試指出,單次答對不足以確認答案可靠,20 條問題的樣本亦較小。
Frontier Design Benchmark 排行榜新現兩款隱形模型,排名均高於《Fable 5.2》。這項基準以 Contra 市場的真實設計委託作盲測,由 68 位專業設計師進行 4,311 次投票,涵蓋 33 項設計委託。評分量表設有 35 個維度,分數與設計師評分的相關係數為 0.94。
Stanford/Oxford 研究以 308 道醫療題目測試 GPT-4o、Claude Sonnet 5 和 Qwen3.7-Plus,發現醫生資歷、權威背景及反覆施壓都能改變模型診斷。
MultiO 以相同的 24 條問題測試 GPT、Claude、Gemini、Grok 和 Llama,總計花費 $0.87,並公開逐項費用收據。研究發現 52 項重大分歧,模型只在 24 題中的 8 題達成重大共識。判讀模型分歧的 Council runs 花費 594,750 micro-USD,高於模型回答問題的 177,440 micro-USD。
Vals AI 的測試發現,多個模型會把平民、醫護人員、記者及投降士兵標為軍事目標,供應商的上游安全過濾器則未攔截任何請求。把情境描述為電子遊戲後,GPT-6 Astra 的目標獲取率由 6% 升至 92%,Claude Opus 5.5 在監視測試中的拒答率由約 90% 降至 20%。
哈佛大學研究顯示,使用 Fable 5 與 Opus 4.8 相比,程式碼變更七日內合併率高出 1.4 個百分點,但差異未達統計顯著。主要分析追蹤 297 名 Fable 5 用戶,並以 8,908 名 Opus 4.8 用戶作對照。
研究發現,Claude Fable 5.2 和 Opus 5.5 能從少有研究的蛋白質序列預測下一個氨基酸,結果顯示 Claude 的訓練資料包含大量蛋白質序列。
Forescout 研究部門 Vedere Labs 分析 10 款廣泛使用的 TCP/IP 堆疊,發現 99 個漏洞,其中 66 個此前未曾披露,相關設備包括 OT、IoT 及醫療設備。
Epoch AI 更新 Epoch Automation Reports,評估六個模型的實際工作能力,發現沒有模型在任何任務達到 Epoch 員工標準。GPT-6.2 Astra 平均得分 65%,比 Fable 5.2 低 17 個百分點,兩者在 Epoch Capabilities Index(ECI)的成績則大致持平。
Inhabitant 是一個免訓練 Agent 框架,讓語言模型規劃並執行長時程人景互動,透過位置、路徑與姿勢指定動作、量度執行偏差,再修訂控制。
Headron 公佈其基準結果,Claude 三種配置在 138 項任務中使用 Headron 答對 137 項,未使用時答對 78 項。另一次路由測試記錄的提示詞 token 比整棵程式碼樹路由少 89%;驗證紀錄共 17,397 項,涵蓋 PASS、REUSED、FAIL 與 NOT RUN。文中指出各數據來自不同測試套件,並非合併的整體準確率,也不是獨立業界基準。