跳到正文

推理能力

模型推理能力的進展:思維鏈、推理模型、數學與邏輯基準的突破與爭議。

最新精選

第 1–20 條 · 共 309 條
今天11月22日週日
  1. DEV Community89

    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。

  2. Engadget78

    Anthropic 員工聲稱使用 Claude 證明黎曼猜想

    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。

  3. 新浪科技90

    Levent Alpöge 與 Claude 合作完成的黎曼猜想證明獲 Lean 與 Mathlib 社羣認證

    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。

11月21日週六
  1. TNW82

    Anthropic 數學家稱與 Claude 證明黎曼猜想

    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。

  2. 虎嗅88

    Levent Alpöge 與 Claude 公佈黎曼猜想的形式化證明,數學家估計正確機率為 98% 至 99%

    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。

  3. 虎嗅77

    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

    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。

  4. 新浪科技77

    Anthropic數學家 Levent Alpöge 稱與 Claude 找到黎曼猜想證明,尚待獨立驗證

    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。

  5. Hacker News 熱門(buzzing.cc 中文翻譯)76

    Scott Aaronson 評 Anthropic 模型據稱證明廣義黎曼猜想:隨機鸚鵡顯然已證明黎曼猜想

    Levent Alpöge 稱,他讓 Anthropic 模型證明廣義黎曼猜想,並產生 17.4 million lines Lean 程式碼。Scott Aaronson 指出 Lean 仍有 kernel bugs 等可靠性疑慮,但目前看不出這次證明利用漏洞,並傾向相信證明成立。他認為數學家仍須自行解釋、提煉並重構證明思路,而這可能需時多年。

    推薦理由:文章一面梳理 Lean 形式驗證的可靠性疑慮,一面指出數學家仍須理解並重構證明思路,呈現 AI 證明獲接受所面對的兩個層面。

  6. Thinking Machines Lab:News79

    Thinking Machines Lab 發佈 Inkling 2 Mini 開放權重模型

    Thinking Machines Lab 發佈 Inkling 2 Mini 開放權重模型,採用循環 Transformer 架構,總參數量為 26.4B,記憶體佔用約 20GB。

    推薦理由:Inkling 2 Mini 以循環架構增加每個 token 的內部計算,團隊並以可變循環版本測試其無 CoT 能力及思路可監督性,提供理解兩者關係的實驗觀察。

  7. TechCrunch · AI80

    數學家稱藉助 Claude 找到 167 年黎曼猜想解法,另一研究者公開未使用 AI 的廣義猜想證明

    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。

11月20日週五
  1. MiniMax:Blog76

    MiniMax Cyber 將多項理論密碼攻擊轉化為實際攻擊

    MiniMax 研究團隊使用 MiniMax Cyber 對現代密碼方案進行自動密碼分析,找出多項結構缺陷並把理論攻擊轉化為實際攻擊。研究涵蓋 NIST 候選方案、同行評審設計及公開密碼挑戰;在公開挑戰中,Cyber 解出數十個未解實例,較既有最佳求解器快數百至數萬倍。研究聚焦學術設計、過往競賽候選方案及公開挑戰參數,不影響已部署的密碼標準;相關發現已預先告知方案作者。

    推薦理由:文章以可執行攻擊及公開挑戰求解結果呈現 MiniMax Cyber 在多類密碼方案中的密碼分析成果,並提供與既有紀錄的用時及速度比較。

  2. 新浪科技84

    英偉達第三季度財報解讀:營收、淨利潤創新高,增長勢頭延續

    英偉達 2027 財年第三季度營收達 1158 億美元、淨利潤達 653 億美元,淨利潤率為 56.4%,營收和淨利潤均按年增長逾一倍並創新高。超大規模數據中心部門營收為 601.4 億美元,AI 雲-工業-企業數據中心部門為 474.7 億美元;雲行業待交付訂單總額達 2.5 萬億美元。

    推薦理由:文章拆分英偉達數據中心業務的客戶與收入來源,並對照季度業績及上調後的年度指引,呈現增長組成與供應限制。

  3. AWS Machine Learning Blog63

    Amazon SageMaker Inference 回顧 2026 年 14 項更新(第二部分)

    Amazon SageMaker Inference 第二部分回顧 14 項 2026 年更新,涵蓋託管端點與 HyperPod Inference 的模型配置、GPU 利用率、多節點服務、路由及部署後監察。

    推薦理由:文章按部署後的配置、GPU 利用率、多節點服務及跨區路由等問題梳理 14 項更新,並以假設的支援團隊案例説明各項功能所對應的運作情境。

  4. 新浪科技76

    GPT-6.2 官方指南整理 8 段提示詞及 API 遷移要點

    文章整理 OpenAI 為 GPT-6.2 提供的兩份官方使用指南,列出 8 段提示詞,並説明在 ChatGPT、Codex 或 API 中套用的方法。指南涵蓋回覆風格、持續完成任務、程式碼與設計要求,以及 Codex 的驗收標準、推理強度、子智能體和 AGENTS.md。

    推薦理由:文章把官方指南中的提示詞、Codex 任務設定和 Responses API 遷移事項按使用情境整理,讀者可對照自己的工作流程選用相關做法。

  5. 新浪科技76

    Google Gemini 4 使用攻略:4 款模型、5 個套餐及優惠整理

    文章整理 Google Gemini 4 四款模型及五種訂閲方案,列出模型定位、價格、使用權限與可領取的優惠。AI Pro 每月 19.99 美元可在 Gemini App 使用 Gemini 4 Neon;Neon 在 Artificial Analysis 智能指數得 61 分,比 Carbon 高 1 分。

    推薦理由:文章對照 Gemini 4 各模型的評測分數、API 價格與不同套餐的使用權限,亦整理免費及折扣入口,呈現訂閲選擇的實際差異。

  6. AWS Machine Learning Blog66

    Amazon SageMaker AI 推出跨區域推理路由功能

    Amazon SageMaker AI 推出跨區域推理路由,讓應用程式透過單一入口呼叫多個 AWS 區域及帳戶內的既有端點和推理元件。路由器優先使用本區域目的地,在目的地無法可靠服務時將新請求轉往其他目的地,並在恢復後逐步切回。

    推薦理由:文章拆解路由器如何按目的地健康狀態跨區分流並逐步回切,並交代重試條件、流量上限及部署限制,呈現功能的韌性設計邊界。

11月19日週四
  1. TNW78

    Google 發佈 Gemini 4 Neon,在 AI 評測排名第三並取代 Gemini app「Deeper analysis」中的 Argon

    Google 發佈 Gemini 4 Neon,定位介乎 Gemini 4 Hydrogen 與 Gemini 4 Carbon 之間,並開始在 Gemini API、Gemini for business、Google Antigravity 及 Gemini app 推出。

    推薦理由:文章以 Carbon 為參照比較 Neon 的排名、輸出速度與任務成本,並指出成本較低源於 token 定價較低,而非答案較短。