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。
作者比較 GPT-6.2 Astra 與 GPT-6.2 Sol 在 C# 開發工作中的價格、基準表現及部署選擇,並提供 .NET 10 程式讓兩款模型執行相同任務。
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 員工 Levent Alpöge 聲稱與 Claude 合作,花六星期找到黎曼猜想的證明。他以 Lean 呈現研究結果,並稱完整證明超過 250,000 頁。牛津大學數學家 James Maynard 表示,他有 98% 或 99% 把握認為 Alpöge 的發現正確;黎曼猜想是克雷數學研究所的千禧年大獎難題之一,首個正確解答可獲 $1 million。
推薦理由:報道列出 Alpöge 以 Lean 呈現研究結果、完整證明逾 250,000 頁的説法,並引述牛津數學家對其正確性的 98% 或 99% 把握。
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。
模型設定登錄表必須區分傳送 reasoning_effort: "none" 與完全省略欄位,否則請求可能失去預期行為或直接失敗。Luna 需要傳送 "none",Gemini flash-lite 則不接受 reasoning_effort;設定為 null 才代表省略欄位,Terra 使用 "low"。
AC-3 透過檢查 CSP 中受限制連接的變數,移除沒有相容值的選項,縮小搜尋空間。它反覆檢查弧,直至達到弧一致性,再由回溯等搜尋演算法完成求解;AC-3 只處理兩個變數之間的二元限制。
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。
Anthropic 數學家 Levent Alpöge 稱,Claude 在約六星期內協助他提出黎曼猜想的證明,兩組人其後核實其説法。Alpöge 提供以 Lean 編寫的程式碼供人驗證;這項猜想能否由該證明解決,仍待確認。
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。
TokenMargin 分析 Inkling 2 Mini(26.4B)在 16GB 本機 RAM 與雲端 API 部署的成本差異,並討論循環 Transformer 架構的影響。
Thinking Machines Lab 發佈 Inkling 2 Mini,這款開放權重模型約佔 20GB 記憶體,可在筆電運行。
推薦理由:文章並列 Inkling 2 Mini 的基準成績、循環計算取捨與監察測試結果,呈現其本機運行效率和推理可監察性的不同面向。
ja-nli-v1 是一款小型日語自然語言推理模型,根據前提與假設判斷藴涵、中立或矛盾。模型在 5,000 組封閉測試中取得 0.9612 準確率及 Macro F1,兩個多語言模型的零樣本分數為 0.7920 和 0.8094。模型採 Apache 2.0 授權並附有 ONNX,CPU 每組約需 109 ms;測試集由合成資料衍生,實際文本表現預期較低。
作者測試以 gpu-unlock v2.0.0 解鎖 RTX 3060,發現 Gemma 4 12B QAT(Q4_K_M)的推理速度沒有實質變化。llama-bench 測得 pp512 從 1276 t/s 升至 1280 t/s,tg128 則由 39.5 t/s 變為 39.48 t/s;Q4 GGUF 核心不使用 FP16 累加。
OpenAI 為 GPT-6.2 Astra 和 Sol 公佈可直接使用的提示詞範本,涵蓋寫作風格、主動執行任務及編碼方式。提示詞建議模型在獲授權時自行推進可逆步驟,令最終答案獨立完整;編碼時沿用現有邏輯,只有在提出要求、儲存庫規定或需防範特定回歸時才新增測試。
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。
Thinking Machines Lab 發佈 Inkling 2 Mini 開源模型,採用 26,4B 參數的 Looped MoE,checkpoint 約 20GB。
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。
NVIDIA 發佈 Nemotron-Labs-Sigma 開放權重連續擴散語言模型系列,涵蓋 3B 和 8B 兩種尺寸,共 14 個檢查點。模型在學習所得的 16 維嵌入空間逐塊去噪,每塊經多輪去噪後輸出 64 tokens,再處理下一塊。
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。
阿里雲 Qwen4-Max 面向長鏈路專業工作,定位為旗艦多模態智能體基座模型,並以長上下文及降低單任務成本為重點。模型總參數為 2.4T,每 Token 激活 71B,支援 100 萬 Token 上下文;官方 Work360 評測得分為 52.69,平均單任務成本較上一代下降 58%。
阿里雲百煉上線 Qwen4-Max,並將其接入 Token Plan 訂閲體系。Token Plan 個人版新用戶首購 Lite 月費由 39 元減至 19.5 元;Qwen4-Max 預覽版在 2026年11月25日24:00(UTC+8)前按標準費率的 20% 扣減 Credits,夜間調用另有折扣。
阿里雲開發者社區文章介紹 Qwen3.8-Max 的模型定位、主要能力、適用場景及計費方式,並列出按量 API 和 Token Plan 兩種模式。文章稱,Qwen3.8-Max 採用 2.4 萬億參數 MoE 架構,支援百萬 Token 上下文、文字、圖片及影片輸入,並針對智能體、編碼和專業辦公等複雜任務。
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。
文章將 Qwen3.8-2.4T-A95B 定位為可下載、可改造的旗艦開源底座,主要面向數據不出域及需要自行改造模型的部署需求。開源版為純文本、全思考模式,原生上下文為 262,144 Token;BF16 權重約 4.89 TB,單機部署不現實。
Qwen3.8-Max是面向智能體及複雜長週期任務的旗艦基座模型,採用2.4萬億參數MoE架構,支援百萬Token上下文及文字、圖片、影片輸入。文章列出按量API及Token Plan兩種使用方案:按量輸入為12元/百萬Token、輸出為36元/百萬Token,個人Lite套餐月費39元。
Thinking Machines 發佈開源混合專家模型 Inkling 2 Mini,採用循環式 Transformer。24 層中的 12 層會連續執行三次;公司稱,這可在不生成更多文字的情況下延長內部推理,並以較少 token 找到答案。
混元團隊在 Reddit 舉行 AMA,回應下一代模型規劃、遞迴自我改進(RSI)及安全等問題。兩小時問答收到 300 多條留言,團隊表示下一代 Hy 模型規模將進一步顯著擴大,RSI 能力仍處於早期階段。安全訓練側重防禦性任務,避免過度拒絕仍是重要改進方向。
OpenAI 與 Anthropic 的 AI 研究團隊近期提出多項千禧年難題相關成果,涵蓋黎曼猜想、ETH 與納維–斯托克斯等問題,但多項仍處於核驗或審查階段。七題中,龐加萊猜想仍是克雷數學研究所正式列為已解決的唯一一道;黎曼猜想出現完整證明聲明及核驗進展,納維–斯托克斯也有新解答主張。ETH 證否正在接受獨立審查;BSD 與霍奇成果限於特定範圍,楊–米爾斯質量間隙仍未解決。
Kimi-K3 是面向長程編程、知識工作及推理的權重開源模型,參數量為 2.8 萬億,輸入與輸出上限均為 1,048,576 Token,並已上架阿里雲百煉。文章整理其原生視覺能力及基準成績,並指出模型僅有思考模式,不支援聯網搜尋、批量推理或模型調優。華北2(北京)/全球每百萬 Token 的輸入、輸出及快取命中價格分別為 20 元、100 元及 2 元,且沒有免費額度。
姚順雨與混元團隊在 Reddit 舉行了持續 120 分鐘的 AMA,回答全球開發者近 100 個關於混元模型、架構、安全及開源的問題。這是混元團隊首次在開發者社區公開問答;團隊表示下一代 Hy 模型將擴大規模,並持續投入大規模強化學習。
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。
METR 指出,AI 在編碼方面的能力受惠於編譯器和單元測試提供的明確回饋,但面對需要定性判斷的架構評估,RL 缺乏清晰的優化目標。AI 自行設計的評測工具沒有一套達到實際研究環境的使用標準,Opus 5.5 亦僅由明顯低於標準進步至接近高於標準。文章建議把有測試套件保障的執行工作交給 AI,架構判斷則保留人類審核。
範式發布2026年Q3財報,前三季度總收入達人民幣67.47億元,同比增長53.3%。毛利約人民幣22.6億元,同比增長39.4%;AI Platform業務收入人民幣53.92億元,同比增長32.0%,在手訂單約90億元。API業務收入達人民幣10.14億元,同比增長1,556%,承接快速增長的模型推理需求。
Anthropic 數論學家 Levent Alpöge 稱,他與 Claude 合作發現黎曼猜想的證明,但主張尚未獲獨立核查。公開材料是以 Lean 4 編寫、分成 14 個存檔部分、約 17 million 行的形式化內容;目前尚無完整論文,Alpöge 也表示自己尚未完全掌握其中的數學。
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。
Baseten 發佈 bison-1 和 groundhog-1,兩款由 Gemma 4 後訓練的開放權重決策模型可為預設決策輸出校準機率,並支援文字、圖像及 131,072 tokens 上下文。
Baseten 發佈基於 Google Gemma 4 的開放權重決策模型 bison-1 和 groundhog-1;bison-1 在 Artificial Analysis Decision Index v2.1 得分 76,於 19 款模型中排名第一。
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。