跳到正文

内容形态

论文研究 最新动态

值得读的 AI 论文与研究成果:架构创新、训练方法、能力测量与理论进展的精选解读。

59 条精选近 30 天 32 条共收录 267 条

更新

论文研究的精选

11月21日周六第 1–20 条
  1. The Decoder87

    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

    Anthropic 数学家 Levent Alpöge 宣布与 Claude 合作完成黎曼猜想证明,称其方法同时解决广义黎曼猜想,并以 Lean 语言发布带完整计算机验证的论文;数小时后斯坦福教授 Ravi Vakil 发布数学家 Alessandro Masullo 的纯人工广义黎曼猜想证明草稿。

    推荐理由:AI 辅助证明与纯人工证明在同一个问题上几乎同时出现,读者可以对照两者完全不同的验证路径与可信度。

  2. TechCrunch · AI85

    Anthropic 数学家称借助 Claude 证明黎曼假设,斯坦福学者同期发布纯人工证明

    Anthropic 数学家 Levent Alpöge 宣布找到了可由 Lean 编译的黎曼假设证明,并称论证片段是在与 Claude 的协作中完成的;同一周,斯坦福博士后 Alessandro Masullo 发布了一份纯人工撰写的广义黎曼假设证明草稿。

    推荐理由:同一周出现两份黎曼假设证明声明,可对照 Claude 与 Lean 辅助的形式化路径和纯人工路径看待 AI 辅助数学。

  3. 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。

  4. The Decoder77

    彭博分析 1000 万条招聘信息:中国 AI 暴露岗位降幅高出其他岗位 10 个百分点

    彭博对 1000 万条网络招聘信息的分析发现,2022 年 6 月之后的三年里中国在线招聘总量减半,任务与 AI 能力高度重叠的岗位降幅高出其他岗位 10 个百分点。

    推荐理由:文章汇总彭博及中美多项独立研究的就业数据,读者可横向比较 AI 暴露岗位在不同市场中的下降幅度与原因。

11月20日周五
  1. Google Research63

    Google Quantum AI 量子语境性研究登上 Science,量子处理器胜率 98.3% 突破经典极限

    Google Quantum AI 团队在 Science 发表论文,在超导量子处理器上实测测量语境性:量子比特在魔法方块游戏中胜率 98.30%,超过经典策略至多 88.89% 的上限。

    推荐理由:原文用三个可验证的实验给出量子计算超越经典策略的具体数字,读者可据此理解量子优势的物理来源与衡量方式。

11月19日周四
  1. The Decoder79

    OpenAI 内部调查:研究员宁愿放弃 40% 团队成员也不愿三个月没有编程智能体

    OpenAI 发布第二份内部研究加速报告,披露 Codex 和 Dots 等编程智能体已深度参与模型研发:按 API 标价,10 月中位研究员日均理论 token 消耗为 2400 美元,环比增长 62%,智能体运行时长相当于每个自然日 5.7 个工作日。

    推荐理由:报告给出了智能体成功率随任务时长衰减的具体数据,读者可据此评估智能体在复杂工程任务中的实际边界。

  2. 博客园84

    NGINX 两处 HTTP/2 漏洞可导致未经身份验证的远程代码执行(CVE-2026-123633 与 CVE-2026-123007)

    Wiz Research、Ikotas Labs、Metnir、Rapid7 和 Xint 独立发现 NGINX 两个严重的未经身份验证远程代码执行漏洞 CVE-2026-123633 与 CVE-2026-123007,F5 已于 2026 年 11 月 18 日发布安全更新协调披露。

    推荐理由:原文给出受影响版本、修复版本与临时禁用 HTTP/2 的缓解步骤,读者可直接对照排查自身 NGINX 部署。

11月17日周二
  1. The Decoder77

    GPT-6 Astra 辅助攻克标准模型格点计算 50 年难题

    物理学家 Nathaniel Craig 在 OpenAI 博客和预印本上介绍了一项与 GPT-6 Astra 合作完成的证明,可能解决粒子物理格点计算中逾 50 年的难题。

    推荐理由:原文把这项成果放回格点场论数十年的技术脉络中,读者可看清 GPT-6 Astra 具体补上了哪一环,以及离真实模拟还有多远。

  2. Microsoft Research78

    TokenEconomizer:从经验中学习,让 AI 编码智能体更高效

    UC Berkeley 与 Microsoft Research 等团队发布开源插件 TokenEconomizer,它从智能体在代码仓库的历史会话中学习,在不修改智能体或底层模型的前提下降低后续会话成本。

    推荐理由:论文给出了一套不改动模型即可复用的经验式成本控制方法,读者可迁移到自己的编码智能体工作流。

11月14日周六
  1. Google Research84

    Google 借 Antigravity /teamwork 在科学与工程领域取得多项突破

    Google Research 报告称,Antigravity /teamwork 多智能体工作流结合 Gemini 4 Argon 等模型,在数学、形式化验证、分子化学和系统工程领域取得一系列成果,相关工具已开始向外部研究者和开发者开放。

    推荐理由:原文用大量实例说明并行探索加独立证伪器的多智能体模式如何攻克多年未解难题,读者可据此设计自己的验证式工作流。

  2. Hugging Face Blog64

    XYBench 基准发布:测试 AI 助手能否识别请求背后的真实问题

    AI2 联合 Carnegie Mellon、NVIDIA 和 Johns Hopkins 的研究者发布 XYBench 基准,包含 8115 条来自 Stack Overflow、Stack Exchange、WikiHow 等的真实问题,衡量模型能否识别用户请求中的隐含误解并引导其转向真正目标。

    推荐理由:该基准提供了一种衡量模型识别用户误解能力的框架,实验显示五个主流模型在误解识别上仍落后于人类参考答案。

11月13日周五
  1. The Decoder80

    前 OpenAI 研究员称六个中国 AI 模型中藏有 Nvidia Blackwell 芯片指纹

    前 OpenAI 研究员 Will DePue 发布分析称,2026 年 4 月以来发布的六个中国模型权重中留有 Nvidia Blackwell 芯片的初始化指纹,验证代码已公开在 GitHub。

    推荐理由:原文解释了如何通过模型权重的初始化指纹反推训练所用 GPU,并附验证代码与 24 个对照模型的结果。

11月11日周三
  1. Microsoft Research79

    微软研究披露 Lazarus:重编程休眠神经元可给 AI 智能体植入后门

    微软研究人员发现名为 Lazarus 的后门技术:只需重编程 LLM 中不到 10 个休眠神经元、无需训练,就能让基于该模型的智能体在隐藏触发条件出现时执行攻击者命令,且模型仍能通过标准安全评测。

    推荐理由:原文给出了只需重编程少数休眠神经元即可植入后门的机制,读者可据此理解权重审计与来源校验为何是关键防线。

11月10日周二
  1. Google DeepMind85

    Google DeepMind 推出 AlphaProof Code,用 AI 智能体形式化验证 Signal 加密协议

    Google DeepMind 研究人员用多 LLM 智能体框架 AlphaProof Code,对 Signal 协议实际运行的代码完成深度形式化验证,证明其核心加密代码满足关键安全属性。

    推荐理由:原文展示了多智能体框架将 Signal 加密协议的形式化验证压缩到四周,读者可据此评估安全验证自动化的新路径。

  2. Google DeepMind61

    Google DeepMind 开放 AI 天气模型背后的 SatWeave 与 PARDIG 数据集

    Google DeepMind 开放两套基础数据集 SatWeave 与 PARDIG,供全球研究者与开发者构建天气、水文和气候应用,二者均为 WeatherNext 3 模型的关键支撑。

    推荐理由:原文交代了两个数据集的来源、分辨率与开放方式,读者可据此判断它们能否支撑自己的天气或气候应用。

11月9日周一
  1. 爱范儿80

    苹果公开 HALO 人形机器人研究:宇树 G1 身体加 Mac mini 跑千问,6 个陌生家庭实测成功率 91%

    苹果研究团队公开名为 HALO 的人形机器人研究,用宇树 G1 做身体、背上 Mac mini M4 Pro 运行阿里千问模型,在 6 个从未见过且未提前扫描的真实家庭里完成坐下、钻桌底、推箱子等 6 类任务,360 次测试平均成功率 91%。

    推荐理由:原文给出苹果用纯仿真数据替代遥操作采集的完整方案,可看出具身智能数据瓶颈的一条规模化路径。

11月7日周六
  1. The Decoder78

    九个 AI 智能体挑战美国国家实验室开放研究问题,135 份提交无一达到专家标准

    一篇论文让九个 AI 智能体围绕美国国家实验室相关研究者的开放问题开展自主后续研究,135 份提交无一同时满足诚实、完整和达标三项标准,114 份在诚信检查中就已被淘汰。

    推荐理由:论文把智能体科研失败归为自查过宽、记录代替修复、单方面缩减任务三类模式,读者可据此排查自家智能体实验流程的同类风险。

  2. IT之家76

    Anthropic 未发布模型助力 PSI 证明阿伦森-安拜尼斯猜想

    物理研究机构 PSI 宣布,借助 Anthropic 一款尚未发布的 AI 模型,其自研研究系统仅用三天证明了 2008 年提出的阿伦森-安拜尼斯猜想。PSI 未披露具体使用的模型;证明结果表明,量子计算要实现某些指数级速度优势必须依赖问题中的特殊规律或结构,量子计算机并非在所有情况下都能获得巨大性能优势。

    推荐理由:原文交代了这项 2008 年提出的猜想被证明的含义,读者可据此判断量子计算机在何种条件下才能获得远超传统计算机的速度。

11月6日周五
  1. Google Research74

    Google Research 在 Nature 发表 AI-PPG-ACC-HTN,用智能手表被动检测高血压迹象

    Google Research 联合 Beth Israel Deaconess Medical Center 和 Harvard Medical School 在 Nature 发表研究,提出多模态 AI 系统 AI-PPG-ACC-HTN,利用消费级智能手表的 PPG 光学信号与加速度计信号,无需袖带校准即可被动检测高血压迹象。

    推荐理由:研究以 24 小时动态血压监测为金标准验证,智能手表筛查准确度可比传统袖带流程,为可穿戴医疗级检测提供方法参考。