跳到正文
11月21日周六
  1. The Decoder83

    OpenAI 发布 GPT-6.2 Astra 与 Sol 的新提示词建议

    OpenAI 为 GPT-6.2 Astra 和 Sol 发布新的提示词模板,覆盖写作风格、主动性和编码,并建议迁移开发者重新检查系统提示。Astra 默认比早期模型更简洁直接,开发者应重新考虑“be concise”类指令;模型在意图不清时应做出可逆假设并继续工作,仅在任务范围重大变化、真实阻塞、需用户决策或不可逆操作前暂停。

    推荐理由:原文汇总了 OpenAI 针对 GPT-6.2 Astra 和 Sol 的系统提示建议,读者可直接对照调整现有 prompt 并了解 API 行为变化。

  2. 爱范儿77

    Anthropic 数学家称与 Claude 合作证明黎曼猜想,已公开 Lean 形式化代码

    Anthropic 数学家 Levent Alpöge 在个人网站宣布,他与 Claude 合作找到了黎曼猜想及广义黎曼猜想的证明,并以 Lean 形式化代码形式公开 14 个压缩文件供外界验证,未引入额外未经证明的假设。

    同一新闻,精选展示《Anthropic 宣布 Claude 证明黎曼猜想,斯坦福数小时后发布纯人工竞争证明草稿》

  3. Latent Space82

    Anthropic 数学家称与 Claude 合作证明黎曼假设,同日另有一人发布纯人工证明

    Anthropic 数学家 Levent Alpöge 称在 Claude 协助下证明了黎曼假设,仅发布 1.3GB、约 25 万页等价的 Lean 代码而非完整论文;Elliot Glazer 确认形式化命题为 GRH,估计 Lean 出 bug 概率远低于 1%,代码仍在编译。

    推荐理由:原文并置了 Claude 生成、可机器验证但无人能通读的 Lean 证明与人类撰写、可读但待审的 940 页证明,读者可借此思考验证与理解的分离。

  4. IT之家51

    OpenAI 推出 MedChemBench 基准,评估 AI 辅助药物研发能力

    OpenAI 发布 MedChemBench 基准,用于评估模型在药物化学研究中的推理能力,评测分为分子结构、科学解释、排序与选择、性质预测四个部分。该基准包含 99 道题目,取自 117 篇论文与专利,涉及 761 个不同分子结构;在 xhigh 推理档下 GPT-6.2 Astra 获得 84.5% 的可用分数,GPT-6 Astra 为 83.3%。

  5. OpenAI News45

    MedChemBench:AI 能否帮助科学家识别有前景的候选药物?

    OpenAI 推出 MedChemBench 基准,通过 99 道源自药物化学文献的推理题评估 AI 模型连接分子结构与实验证据的能力。在 xhigh 推理设置下,GPT-6.2 Astra 获得 84.5% 的得分,领先 GPT-6 Astra(83.3%)与 GPT-5.6 Sol(58.2%)。GPT-6 Astra 在分子结构重建上表现最强,但化合物选择与数值性质预测仍更具挑战。

  6. OpenAI News71

    OpenAI 详述对抗性蒸馏防御与受保护推理防护进展

    OpenAI 分享其检测与打击对抗性蒸馏的防御体系,并强化了 GPT‑6.2 Astra 与 GPT‑6.2 Sol 的受保护推理防护,内部自适应黑盒评估中攻击成功率从 GPT‑6 Astra 原有防护下的 54.0% 降至 0.2%。

    推荐理由:原文给出了对抗蒸馏的攻击路径与多层防御设计,读者可了解保护推理痕迹为何成为模型安全的关键环节。

11月20日周五
  1. IT之家83

    Anthropic 数学家宣称与 Claude 合作攻克黎曼猜想

    Anthropic 数学家莱文特·阿尔波格宣称与 Claude 合作完成了黎曼猜想的证明,已将证明编写为 Lean 代码并公布论文(https://alpo.ge/remark.pdf),他还称该结果同时覆盖范围更广的广义黎曼猜想。

    同一新闻,精选展示《Anthropic 宣布 Claude 证明黎曼猜想,斯坦福数小时后发布纯人工竞争证明草稿》

  2. 少数派35

    派早报:Google 推出 Gemini 4 Neon 模型,网易 UU 远程将于 12 月推出付费会员等

    Google 发布 Gemini 4 Neon 模型,支持 100 万 token 上下文,每百万输入 token 定价 3 美元。网易 UU 远程将于 12 月 1 日推出 VIP 与 SVIP 付费会员,基础远程服务持续免费。早报还涵盖 Google Play 折叠屏适配新规、AMD Instinct MI450X、Nginx RCE 漏洞及 Microsoft To Do 停用等消息。

  3. AWS Machine Learning Blog55

    Amazon SageMaker AI 可检测推理端点的延迟漂移、GPU 闲置与未启用优化

    Amazon SageMaker AI 的推理推荐功能现在默认监控生成式 AI 推理端点,自动发现延迟漂移、GPU 闲置和未启用的优化。监控仅读取延迟、GPU 利用率等运行信号,不读取请求或响应内容;发现结果通过 AWS Health 推送,可在 SageMaker Studio 的智能体体验中对备选配置做并行基准比对,基准在独立算力上运行,确认后才生效。

  4. AWS Machine Learning Blog63

    Amazon SageMaker AI 推出跨区域推理路由,区域容量不足时自动转移推理流量

    AWS 为 Amazon SageMaker AI 推出跨区域推理路由,应用调用一个 inference router 即可访问多个 Region 和 AWS 账户下已运行的端点;本地目标健康时流量留在本 Region,目标无法可靠服务时新请求自动转移到其他已注册目标,恢复后再逐步回迁。

    推荐理由:原文把健康度评分、故障转移和回迁策略讲得较细,读者可判断能否用它替换自建的跨区域路由代码。

11月19日周四
  1. IT之家76

    阿里巴巴 CEO 吴泳铭:2027、2028 年将是中国算力最紧缺的两年

    阿里巴巴集团 CEO 吴泳铭在 2027 财年第二季度财报分析师电话会上表示,2027 年和 2028 年将是中国算力最紧缺的两年。他称 2027 年以后阿里云芯片供给都会以国产平头哥芯片为主,旗舰芯片优先满足大模型训练,推理层面会采购更多其他国产芯片;千问已经在平头哥芯片上训练下一代模型,百炼已经基于国产芯片提供模型推理服务。

    推荐理由:原文给出了未来两年国内算力供需的判断和国产芯片替代时间表,读者可据此评估国内 AI 算力格局。

  2. AWS Machine Learning Blog31

    Exa 将嵌入吞吐量提升 50%,在 AWS AI 芯片上索引数十亿文档

    Exa 将嵌入基础设施迁移至 AWS Neuron 硬件(AWS Inferentia2 与 AWS Trainium2),实现约 50% 的吞吐量提升。通过权重布局优化、autocast、NKI 内核与自定义融合 SwiGLU MLP 内核,该方案在保持 0.999 余弦相似度的同时消除了内存瓶颈。此次升级支持对 300 亿份高优先级文档的重新嵌入,以优化其语义搜索网络索引。

  3. Google DeepMind84

    Google DeepMind 发布 Gemini 4 Neon

    Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学工作流,今日起在 Gemini API、Google AI Studio、Gemini for business、Google Antigravity 和 Gemini app 逐步推出。

    推荐理由:原文给出 Neon 与 Carbon 在多项基准上的成本和性能对比,读者可据此判断它在复杂工作流中的性价比。

  4. AWS Machine Learning Blog63

    Amazon SageMaker JumpStart 推出模型排行榜

    AWS 在 SageMaker Studio 中推出 JumpStart 模型排行榜,可横向比较 70 多个开放权重模型的质量、速度和成本,模型来自 Meta、Google、Qwen、IBM 和 Arcee 等提供商。

    推荐理由:原文说明排行榜如何用统一方法测量质量、速度与成本,读者可据此建立从筛选到部署的选型流程,不必再拼接不同来源的数据。

11月18日周三
  1. Latent Space83

    OpenAI 发布 GPT-6.2 Astra 与 Sol:更便宜但评价分化,Sol 或成主力

    OpenAI 发布 GPT-6.2 Astra 与 Sol,Astra 在 Artificial Analysis 的 Intelligence Index 得 62 分、仅次于 Fable 5.2 的 65,Sol 以约 15% 的单任务成本追平 9 月版 Astra。

    推荐理由:汇总了 Artificial Analysis、Vals 等第三方评测与定价数据,读者可直接对比 Astra、Sol 与 Fable 5.2 的性价比和口碑分歧。