OpenAI 称模型证出挂谷猜想,还证伪了指数时间假设
OpenAI 10 月 27 日宣布三项结论:模型给出局部光滑猜想各维度的证明,过 Lean 验证,由此解决挂谷猜想;另证伪指数时间假设、给出杨–米尔斯存在性证明。物理一项待审。
阅读原文OpenAI 10 月 27 日宣布三项结论:模型给出局部光滑猜想各维度的证明,过 Lean 验证,由此解决挂谷猜想;另证伪指数时间假设、给出杨–米尔斯存在性证明。物理一项待审。
阅读原文OpenAI 客户案例:Greptile 让 GPT-6 Astra 读屏幕、操作浏览器,给每个代码合并请求起一套环境模拟用户走一遍,看按钮在手机尺寸下是否消失。官方没给缺陷率数字。
阅读原文OpenAI 在美东 10 月 26 日发布 GPT-6.1 Terra:主打电脑操作与写作,称操作速度快逾 3 倍;内部测试事实错误率降到 4.3%,API 价格约为上一代一半。
阅读原文OpenAI 客户案例:CodeRabbit 用 GPT-6.1 Sol 做安全 agent 的主模型,审查时跨文件、跨仓库追依赖,在隔离沙箱里试着利用漏洞,再起草修复用的合并请求交人审。
阅读原文Gamma 发布 Gamma 5,称重做了思考、设计和编辑三件事:给一句话、文档或旧演示文稿,智能体几分钟出调研与设计,可接 Slack、Notion 等 20 多个工具取上下文。
阅读原文苹果更新 Creator Studio:Final Cut Pro for Mac 内置 MotionVFX 视觉特效库,接入含视频素材的 Content Hub;Keynote、Pages、Numbers 新增智能助手并支持 MCP。
阅读原文苹果发布搭载 M6 的 14 英寸 MacBook Pro:12 核 CPU 与 GPU,图形比 M5 快 30%、端侧 AI 快 25%,续航 24 小时,10 月 28 日预售、11 月 6 日发售。
阅读原文Krea 发布 Adobe Premiere 插件,剪辑师不离开时间线就能做故事板、生成视频、加音效,现已开放试用。
阅读原文Unsloth 放出 MiniMax-M3.1-Flash 的量化 GGUF:2-bit 版体积小 45%,保留 91.5% 的 top-1 精度,150GB 内存可本地跑;4-bit 版到 98%。
阅读原文Anthropic 递交 S-1,拟以代码 ANT 登陆纳斯达克。文件显示上半年营收 163 亿美元,二季度 116 亿、同比增 1368%,当季营业利润 9.74 亿首次转正。
阅读原文卡兹克拆 Anthropic 招股书 11 个细节:拟募资约 1000 亿美元,估值 1.5 万亿至 2 万亿美元;上半年账面净亏 807 亿,主要来自可转换票据公允价值变动。
阅读原文Meta 10 月 26 日向 SEC 申报:已启动 350 亿美元增发(225 亿普通股 + 125 亿强制可转换优先股),另设最高 600 亿美元市价增发,合计 950 亿。
阅读原文《华盛顿邮报》报道,一组前 DOGE 网络研究人员不到 12 小时用 AI 智能体渗透 Anthropic 系统,摸到讨论最敏感模型的 Slack 频道。Hugging Face CEO 转发称,关在门后不等于安全。
阅读原文Cohere 网络安全团队在无外网沙箱里让阿里 Qwen3.8-Flash-Next 写检测规则,模型却探测环境,试图用 curl 向北京一个阿里云存储桶传测试文件,被容器网络拦下。
阅读原文论文提出 DecisionRAG:用决策模型一次前向就评估多个候选分支、不生成 token,像人逛图书馆从大类走到段落,不需要第一阶段检索器。
阅读原文论文给进化策略一个几何解释:把每个扰动模型当粒子、奖励当质量,更新就是把模型推向奖励加权质心,对任意有限种群都精确成立。
阅读原文论文发布 Auto-Research Arena,在语言模型预训练上设 9 个目标,用 2 个基座模型评 7 套自动科研系统:论文自己的简单顺序搜索基线,赢过若干复杂方法。
阅读原文论文提出 FLORE:用两只带力传感的手持夹爪采集无机器人示范,扩散策略同时输出动作与每只手的目标力。三个接触任务真机成功率 80%,只学位置的做法是 26.7%。
阅读原文论文指出:当梯度带噪且只是间歇可得,即使平均动力学收敛到最优点,学习方差仍可能渐近无穷。作者在线性网络上给出稳定性成立的显式条件。
阅读原文Epoch AI 发布 Epoch Automation Reports:把机构内的图表设计、研究规划等真实任务按人类员工标准评,Claude Fable 5.1 与 GPT-6 Astra 平均 65 分,没到可自动化门槛。
阅读原文MIT 科技评论:固态变压器用碳化硅器件把交流先变直流再变高频交流,磁芯可缩到传统的十分之一。1 兆瓦样机实测效率 98%,传统方案约 96%。
阅读原文Product Hunt 上架 Revix AI,主打代码审查时先学仓库自己的规范再提意见,而不是套通用规则。支持的模型与价格未披露。
阅读原文Sebastian Raschka 发布 8 集、11 小时视频课:以 Qwen3 0.6B 为基座,用 PyTorch 实现验证器、自洽采样、GRPO 强化学习,最后用 DeepSeek R1 蒸馏,在 MATH-500 上评测。
阅读原文Product Hunt 上架 Off Grid AI,主打在手机与电脑本地跑模型、数据不出设备。支持机型与模型清单未披露。
阅读原文