相关动态
数学家 Sophie Huiberts 在客座文章中主张，证明定理意味着对数学领域负有责任：要说明做了什么、哪些步骤需要新想法、哪些已众所周知，并应更好地阐释重要想法。她把 OpenAI 的行为与此对比：不关心其“预印本”，不适当标注想法来源，把 372 项结果切分成 719 份 PDF，工作含有应被撤稿的错误，承诺代码却未提供，证明极难解析。她称这些 PDF 拖累文献，是内部基准测试的废气，并非“为了科学”；新内部模型或许一键生成文本，但类似结果很快也会由专家发现，部分已由 ChatGPT 用户发现并正在被正式撰写。即便不指控剽窃，科学软件供应商主动抢发客户成果也不好看；专家提示出结果会承担责任，OpenAI 不仅拒绝承担，还阻止客户承担。
8月，OpenAI宣布，其尚未发布的模型Astra在数学与计算机科学领域取得十项进展，涵盖几何、密码学与编码理论，并发布关于“对数学界的责任”的声明，承认归因、AI辅助结果正确性的问责及数学发现性质变化等关切。ChatGPT、Claude等大语言模型正冲击数学界：院系面临研究与教学中的伦理问题，期刊编辑委员会收到大量AI撰写论文并需决定如何评估与披露生成式AI的使用，arXiv数学投稿近期激增，资助机构开始制定AI使用政策。对于机器能否发现证明、构造例子或提出问题，人类数学创造力是否仍有独特价值，数学重在产出定理还是增进理解，以及贡献如何归属，数学界仍缺乏共识，部分数学家对学科未来感到焦虑。源文本末句中断。
Anthropic 以 Claude 闻名，如今却雇用分子生物学家、研究 DNA，并在旧金山湾区运营一间“湿实验室”，让科学家直接处理生物材料。公司称理由很直接：若 Claude 要帮助科学家取得关于生物学的发现，这些发现终须在物理世界中被检验。Anthropic 于 2026 年春季成立生命科学研究组，考察通用型 AI 模型能否系统性地加速生物发现；自建实验室让同一团队贯通从提升 Claude 生物学推理到用实验检验其假设的全过程。公司 9 月 23 日称，Claude 识别出一个此前未被表征、与异常重复 DNA 序列相关的酶系统，其模式与 CRISPR 系统有相似之处，但研究者尚不清楚该系统的作用；结果以预印本发布，仍需进一步科学检验。
AI智能体自主科研能力提升，研究者担心"会被机器人抢发成果吗"：过去五周内至少两次，学者钻研的问题被AI公司抢先作答或宣布结果，有人因此减少使用可能抓取未发表工作的工具。9月7日，纽约大学数学家Tristan Buckmaster称与Anthropic的Levent Alpöge围绕Navier–Stokes问题已推进一年；次日OpenAI宣布其agents解出该难题，Buckmaster质疑该时间点，并怀疑两人上传的信息被用于训练；OpenAI否认，称调查确认其"prompts"不可能以任何方式影响系统。
几天前，OpenAI 发布了一篇由因 Navier-Stokes 而闻名的“内部前沿模型”生成的论文《A Coulomb ground-state density without Kohn-Sham ensemble representation》。帖子称，论文考虑 2 个原子核和 3 个电子的体系，用约 40 页（看似）证明：在“足够大”核间距下，无论有效势如何选择，限制性开壳层系综 KS-DFT 都无法描述其基态密度。发帖者追问“足够大”的含义：定理 2.2 暗示 200 bohr 必要但不充分；定理 1.1 和第 7 节把核间距设为 2×10^200 bohr，比可观测宇宙直径大 10^163 个数量级。他询问这对 DFT 解析基础研究是否重要、论文是否有用于函数不等式的新技巧，以及该下界能否收紧到不涉及星系际尺度。
这篇个人记述称，昨日 OpenAI 发布了 372 项重大结果，其中包括在 Timothy Gowers、Edward Witten 等数学家推荐下给出的 Subhash Khot 的 Unique Games Conjecture（UGC）证明；若成立，许多优化问题即便只求略优于半正定规划松弛的近似也属 NP-hard。作者强调目前只是“相当确信”它是证明：部分结果有 Lean 证书，并非全部；似乎还没有人类理解这些证明，验证竞赛才刚开始。Dana Moshkovitz 形容论文极难读、需 AI 辅助，UGC 证明发明了带噪声测试的怪异递归码，既非长码也非短码；另有绕过 UGC 的 Max Cut 与所有 CSP 的最优 NP 硬度近似证明。
Gary Marcus 在这篇仓促写就的评论中指出，OpenAI 新发布的数学成果真正的新闻不在于结果，而在于对外说明的含糊：所谓“相同流程”“使用一个未公开模型”的说法无法通过同行评审，外界无从知道证明是一次性生成再由符号系统 Lean 验证，还是经过迭代过程，也不知道失败率、训练、后训练与数据增强的情况。因此，他对该成果在数学之外有多强的泛化能力毫无概念。他批评社交媒体讨论已沦为不明就里的欢呼，认为新系统既可能是迈向 AGI 的一步，也可能只是在可验证领域对 Lean 与合成数据的巧妙利用、毫无通用性；仅凭初步报告几乎看不出任何东西。
OpenAI发布了一批由其内部前沿模型生成的722篇数学手稿，涵盖数学与理论计算机科学领域的数百个研究问题，整理为372组相关成果，包含证明、替代论证、推论与支撑材料，其中不少结果附有Lean形式化证明。OpenAI表示，在现有数学评测表现开始趋于平台期后，团队把内部模型用于开放研究问题，评测过程约向模型提出4000道题；平均每项结果所用算力约相当于ChatGPT Pro思考三小时。公司同时强调，发布并不意味着所有结果都已完全验证，仓库中成果处于不同检查阶段，部分尚未在Lean中形式化的手稿可能含有错误；更正与修订会被记录，旧版本仍会保留。
OpenAI一夜甩出722篇数学论文！黎曼霍奇BSD全上阵，数学家：读不过来 三位菲尔兹奖得主：不代表认可 听雨 发自 凹非寺 量子位 | 公众号 QbitAI 刚刚，OpenAI往数学界扔了颗重磅炸弹—— 一口气公开722篇数学手稿，全部出自一个还没发布的内部模型。 这些手稿归成372组结果。据OpenAI介绍，模型此前一共尝试了约4000个研究问题，平均每项结果消耗的算力，约相当于ChatGPT Pro思考3小时。 论文、源码、部分Lean证明，被一股脑传上了GitHub。 翻开目录，准黎曼猜想、霍奇猜想、BSD猜想、π的无理性指数……一个比一个名头大。 光是千禧难题，就沾上了三道。 再往下翻，还有自旋玻璃、量子磁性、自由群因子、相对论性弗拉索夫—麦克斯韦方程……数论、代数几何、理论计算机、统计力学，17个方向铺得满满当当。 一夜之间，数学论文堆成了山。 数学家们看了直呼：这谁读得完啊…… 722篇手稿里，究竟写了什么？ 点
OpenAI 在 2026 年 10 月 6 日的研究文章中宣布，将一个尚未发布的内部前沿模型产出的数学成果公开：openai/math 仓库以 Apache-2.0 许可发布 722 篇手稿，归入 372 个家族，并附 Lean 形式化证明与模型推理摘要。README 称绝大多数结果由同一套流程产生，评估过程中模型被给出约 4,000 道问题，平均成果所用算力约相当于三小时 ChatGPT Pro 的思考。并非所有手稿都配有 Lean 形式化，README 提醒部分未形式化结果可能存在问题，OpenAI 表示会尽快修正并保留公开发布历史。
OpenAI在GitHub上公布其新模型产生的372项成果，称每一项都解决或大幅推进了数学或理论计算机科学中的重大公开问题，其中包括四维Kakeya猜想的解法、对部分重要计算机算法的改进，以及朝Riemann猜想的实际进展。许多结果已在Lean（可校验证明逻辑的编程语言）中通过验证。OpenAI发言人告诉《Scientific American》，这款尚未公开的模型几乎所有结果都是对单个AI智能体的一个提示词作答所得；这与此前Navier-Stokes问题的解法不同——后者由一万个智能体组成的群体协作完成，耗费数百万美元算力。麻省理工学院数学家Andrew Sutherland表示，在OpenAI发布模型、结果可被复现之前，应把
不er，咋陶哲轩也成AI减速派了？？ Jay 发自 凹非寺 量子位 | 公众号 QbitAI 不er，陶哲轩咋成AI减速派了？？ 是的，就是那个曾经最爱AI、逢人就安利AI工具的男人，一夜之间，漂移到了AI数学的对立面。。。 SAIR最新演讲，陶哲轩正式向模型公司开火： 简直是疯了，AI公司无休止地加速，却对那之后会发生什么一无所知。 必须慢下来。完全没理由这么快，一点理由都没有。 更关键的是，感受到危机的，远不止陶哲轩一人。 而且陶哲轩还算反应比较淡定的。 你的菲尔兹奖得主Cédric Villani，在看到OpenAI拿下千禧难题后，直接瘫软了。。。 我大受震撼…… 简直跟世界末日一样，这是数学界有史以来从未见过的浩劫。 但我往前翻了下发现，仅仅在3个月前，这哥们对AI的态度还是嗤之以鼻啊。 LLM根本没有智能，连洗车问题都会答错，只不过是统计学复读机。 洪水是一视同仁的。 面对光速迭代的大模型，即便站在人类智能金字塔尖的天
9月13日,德国海德堡Heidelberg Laureate Forum上,学者热议OpenAI、Anthropic、Google等AI公司进入数学。AI已解出Erdős的系列征题、验证Fermat大定理证明,最近OpenAI宣布解决Navier-Stokes存在性与光滑性问题——Clay Mathematics Institute于2000年提出的七个Millennium Prize Problems之一;此前仅Poincaré猜想由人类解决,若经验证将成为自动推理的分水岭。多伦多大学Fields奖得主Jacob Tsimerman称能力提升快于预期,“解决Navier-Stokes感觉相当确凿”,但他不了解细节;阿姆斯特丹大学Ailsa Robertson说“AI和LLM今夏点燃了数学界”。
程浅 发自 凹非寺 量子位 | 公众号QbitAI “Navier–Stokes千禧年难题的突破，10000个Agent最多占了10%的功劳。” 此判断出自OpenAI研究员，o1核心作者NoamBrown之口。 NoamBrown，人称“OpenAI推理教父”。在几乎所有人还在卷模型参数的2023年，他就已经开始押注test-time compute scaling（推理时计算） 。 一年后，o1-preview横空出世、震动行业。如今，TTS早已成为行业共识，成了人手一个的“深度思考”按钮。 现在，NoamBrown又带来了他目前的研究方向——多智能体（multi-Agent）系统。 此前，OpenAI发动了10000个Agent，耗时88小时，输出1300亿token，拿下千禧年数学难题。 关于此事，NoamBrown在最新播客中从多智能体系统聊起，深入到了公司经营、RSI发展、超级对齐等领域…… 一个个问题也接连浮现：
Tapio Schneider撰文讨论AI在数学、科学与工程中的角色。OpenAI于9月8日宣布的强迫Navier–Stokes方程有限时间爆破解，由约10,000个AI智能体并行探索生成，随后在Lean中形式化并验证；形式化验证支持其正确性，但数学界仍在消化。陶哲轩等人认为，证明的意义不止于判定命题真假，还在于推进对形状、数字与自然现象基本结构的概念性理解；Yehuda Rav说“定理是标题，证明是内情”。Timothy Gowers指出AI生成的证明行文欠佳很可能只是暂时困扰。作者主张，自然科学与工程同理：episteme（解释性理解）本身即目标，techne（预测与制作的技艺）在预测可被检验时可独立成立——黑箱AI天气模型因预报每天可核对而可信——并可反过来作为服务于理解的工具，例如AlphaFold预测3D蛋白质结构（原文此处截断）。
Radical Numerics 联合创始人 Eric Nguyen 讨论基因组语言模型与生物安全。他参与了 Evo 和 Evo 2 的开发；另一支 Arc/斯坦福团队随后用这些模型生成并合成了功能性噬菌体基因组。访谈区分了三个序列尺度：人类基因平均约 60K，较长基因可达 2.3M，而整个人类基因组约为 3B。Nguyen 认为，提升生物能力的模型也能帮助防御跟上能力进展。这里的 2.3M 指较长基因，不能写成全基因组大小。
两周前，OpenAI 宣称解决了 Navier-Stokes 这一数学难题，可获 Clay 数学研究所 100 万美元悬赏。但其由内部大语言模型生成的证明被许多专家认为不自然：它求解的是一个被数学家视为脱离现实的变体问题，相当于钻了题目表述的漏洞。方程中外部作用力（如重力）一项可有可无；芝加哥大学 Luis Silvestre 称：“Clay 问题已了结，但 Navier-Stokes 方程的主要问题仍未解决。”上周四，三位数学家给出证明，显示 OpenAI 的方法永远无法推广到完整问题，除非出现全新的思路。
英矽智能于2026年9月17日宣布，研究在《Cell》发表，推出面向衰老生物学的开源AI工具：LongevityBench基准、5个小型Longevity-LLMs模型，以及Longevity Claw智能体研究平台。LongevityBench包含17项任务，覆盖临床数据、遗传学、表观遗传学、转录组学和蛋白质组学五类生物数据，旨在降低模型靠训练记忆作答的可能，转而考察其分析生物数据与识别模式的能力。作者用该基准评测了来自OpenAI、Google、Anthropic、xAI、DeepSeek和Moonshot AI六家团队的18个前沿AI系统，结果显示没有单一模型在所有任务中占优。
OpenAI于9月8日宣布其AI模型解决了流体力学难题Navier–Stokes问题，称这或将永久改变数学研究方式，同时引发成果归属争议。纽约大学Tristan Buckmaster与哈佛大学Levent Alpöge此前正借助OpenAI、Anthropic工具攻关该问题，Buckmaster称该公司在听闻其工作后介入，模型或从他们与ChatGPT的交互中学习；OpenAI发言人向Nature表示，经调查可完全确信7月3日后的用户输入不会以任何方式影响该系统，公司9月1日才开始研究，此前未以任何途径看到二人公开前的工作。伦敦政治经济学院知识产权法学者Luke McDonagh提醒，研究者未必意识到向个人AI账户上传数据的后果；25位Fields Medal得主在公开信中称AI工具模糊了恰当署名能力，引发严重的归属与抄袭问题，训练信息难溯源或危及学术信用。
《Cell》今日发表报告，介绍一套面向长寿研究的定制AI系统：作者用衰老生物学数据训练大语言模型，配套17项任务作为基准，并通过接口将模型、研究工具与AI agents结合以辅助分析。作者用这些基准评估自研模型与OpenAI、DeepSeek等公司更大的商用模型，结果在多数而非全部测试中，专注衰老的模型表现更好。哈佛医学院计算机科学家Marinka Zitnik（未参与该工作）称该工作对长寿与衰老领域贡献重要，可为下一代AI模型开发提供参考。报道还指出衰老本身难以定义，并提到学界用于测量生物衰老的多种‘clocks’。
9月8日，OpenAI称1万个智能体运行88小时，产出166页的Navier-Stokes方程证明；该问题自1934年悬而未决，属Clay研究所七大Millennium Prize Problem之一，每题100万美元、迄今仅一题颁奖。OpenAI不领奖，外界估算算力账单为1000万至4000万美元。Clay称问题“显然已解决”，但评审“刻意不慌不忙”：证明须在权威期刊发表并经两年检验，官网现标为“Active”。9月11日，25位Fields奖得主签署宣言，批评AI实验室的做法损害数学；次日陶哲轩邀请Silvia De Toffoli与Eamon Duede撰文，区分可由机器验证的逻辑证明与人类可解释、可延展的可理解证明，指出AI使二者分离，并评价OpenAI“给出的是答案，未必是果实……”
前OpenAI后训练VP回应陶哲轩：说AI毁了数学，可能还是太小瞧AI了 未来的AI不仅能解决问题，还能提出有价值的洞见、建立新的概念框架，让数学家在此基础上继续探索。 henry 发自 凹非寺 量子位 | 公众号 QbitAI 说AI毁了数学，可能还是太小瞧AI了。 刚刚，OpenAI前后训练VPLiam Fedus，回应了陶哲轩等数学家关于“AI不应只追求解题，更应推动数学理解”的观点。 他赞同陶哲轩对概念理解的重视，但也认为不能用今天AI的能力边界，框定未来的可能性。 在Liam看来，未来的AI不仅能解决问题，还能提出有价值的洞见、建立新的概念框架，让数学家在此基础上继续探索。 换句话说，如果AI的训练目标不只是“把题做对”，而是进一步扩展到解释为什么、提炼方法、帮助人类理解，那么它最终可能成为一个既能给答案，也能创造新思路的数学研究伙伴。 这份乐观，与陶哲轩等25位菲尔兹奖得主最初联署的声明，既有共识，也有分歧。 双方都
中国物理AI大突破：PhysBrain 1.5登顶全球开源榜一，空间智能与GPT-6 Astra并驾齐驱 这家中国公司，刚跑完了物理闭环里最难的一段路 允中 发自 凹非寺 量子位 | 公众号QbitAI 物理AI，正在成为2026年全球人工智能最关键的赛道，也是未来之争。 大模型用了三年时间把“会说话、会思考、会工作”推到极致，但当行业开始追问“模型能不能走进真实世界、能不能动手”时，一扇新的大门被推开。 Google DeepMind于2026年7月30日发布Gemini Robotics 2，基于Gemini 3.5 Flash的“具身推理”大脑ER 2，试图让机器人“边看视频边想下一步”。近期，OpenAI GPT-6引发行业热议，推理、编程与多模态理解能力再度突破，把通用智能的天花板又推高了一截。 而Robocurve的一次实验，又将“大语言模型是否能在真实世界中行动”这个问题摆在了台前。该实验将GPT-6 Astra部
一篇客座文章称，OpenAI于2026年9月8日宣布，已生成纳维—斯托克斯存在性与光滑性问题的AI解答；这一宣布引发了关于成果归属及人机各自贡献的争论。参与该事件的一位数学家Tristan Buckmaster将其比作“Deep Blue–Kasparov moment”。作者讨论由此而来的疑问：若AI能回答数学前沿最困难的问题，数学是否会像棋类一样被“解决”。文章认为，“继续玩”强调过程价值虽有道理，但不必把数学视为游戏；“AI已经解决数学”的说法依赖两项前提：AI确实解决了一个数学问题，以及数学只关乎解题，而作者认为这两项前提都不正确。
OpenAI宣称其最新AI模型攻破了一项“Millennium Prize Problem”；该难题悬赏100万美元，数十年来难倒人类。按《卫报》报道，这家估值近万亿美元的私营公司动用了1万个可自主执行任务的AI代理，估算花费1500万美元。数学家既震惊又不安：他们担心进行中的工作被他人抢先吞掉，也担心一键解题时如何培养下一代。圣安德鲁斯大学纯数学负责人Colva Roney-Dougal称自己“有点不知所措”，三个月前还认为AI短期内难有显著突破；曼彻斯特大学David Silvester说领域“非常不稳定”，认为只要有足够资源，所有开放数学问题都可能被攻下；沃里克大学James Robinson则批评大科技公司为炫耀最新模型而烧掉难题燃料，像“幼稚的操场吹嘘”。源文本在最后一句引文处截断，且未提供独立验证或技术细节。
AI数学的最后一道高墙，塌了！GPT-6 Astra刷穿FrontierMath Tier 4 FrontierMath Tier 4，饱和了 henry 发自 凹非寺 量子位 | 公众号 QbitAI 刚刚，最后一道FrontierMath Tier 4难题，被GPT-6 Astra攻破了。 至此，这套曾经被视作大模型数学噩梦的研究级测试，所有题目都已经至少被AI成功解出过一次。 Epoch AI也正式给它下了结论，FrontierMath Tier 4，饱和了。 虽然从上面的图里看，Astra还没有直接干到100%，OpenAI自己公布的成绩也是97.6%。 但按照Epoch的算法，“全部解出”指的是把不同模型、不同时间的尝试累积起来以后，Tier 4里的每一道题都已经有过成功解答。 而Astra干掉的，正是此前唯一还没有被AI攻破的那一道。 （简单理解就是Astra可能在某次测试中出错了，但它对的那道题是此前没被解出来的）
陶哲轩邓煜究竟在反对什么：AI暴力解题摧毁人类数学精神 25位菲尔兹奖得主联名吹哨 衡宇 发自 凹非寺 量子位 | 公众号 QbitAI 面对近期AI大厂推进数学研究的方式，连一向与AI为善的陶哲轩都坐不住了。 刚刚，陶哲轩、邓煜等25位菲尔兹奖得主联合发起并作为首批签署人，发布了一份声明表示：AI公司推进数学的方式，已经与数学共同体的目标出现“severe misalignment（严重偏移）”。 因鉴于近期AI急剧发展对数学领域带来的冲击极为严峻，发起人未走流程繁琐的协商程序，而是选择紧急公开发布，以尽快回应危机。 过去几个月，大语言模型的数学能力急剧提升，已经能解决多个数学领域中重大的未决问题；但AI公司越来越倾向于把解决数学问题当作benchmark来推进的做法，对数学这门科学、对数学共同体都是有害的。 AI公司的目标与数学共同体的目标严重错位。 我们认为，这属于更广泛的错位问题的一部分，影响着其他科学与创意职业，乃至整
据 The Week 报道，OpenAI 称用内部模型在约三天内给出 Navier-Stokes 存在性与光滑性问题的证明。该问题属于七大 Millennium Prize Problem，研究描述液体与气体运动的方程，可用于预测天气、模拟洋流或整体气候。New Scientist 称公司先用 1,000 个 AI agent 攻克类似问题，再用约 10,000 个完成任务；客户运行同一问题约需 1,500 万美元（1,100 万英镑）。但成果被一场“争议”笼罩：纽约大学数学家 Tristan Buckmaster 与 Anthropic 研究者 Levent Alpöge 此前也借助包括 OpenAI Codex 在内的大语言模型宣布“破解”三个相关问题，信息私下保存，公布时间在 OpenAI 发布前数小时，由此引发对数据隐私与研究完整性的质疑。
Anima Anandkumar介绍其团队针对无外力Euler方程奇点开放问题的工作，并称已将论文和代码公开。该研究不同于NYU团队和OpenAI所采用的具有离散尺度跳跃的多尺度构造，而是尝试为自由空间中的Euler方程寻找自相似奇异剖面。作者称，带边界的Euler方程等修正情形已有成功结果，但边界用于约束奇点的技术不适用于自由空间。团队使用物理信息神经网络（PINN）寻找候选解；此前相关尝试未成功，主要困难包括优化易收敛到平凡解，以及数值精度需足以将数值解转化为解析证明。
多个与 OpenAI 有关的账号表示，一项 AI 辅助工作得到了 Navier–Stokes 相关结果，讨论聚焦于有限时间奇点（blow-up）。Ethan Knight 称该结果出自约 10,000 个 agent 的协作，OpenAI 过去一年用 multiagent RL 训练模型协同；原标题进一步给出 88 小时、约 130B tokens（逾 4000 万美元）与 Astra-next，并将其称为第二个 Millennium Prize 的有力候选。舆论反应分裂为技术兴趣、质疑与 meta 层面的作者归属争议；有讽刺性转述把数学界接受称作“小形式”。编辑建议不必深究 drama，认为 OpenAI 的成就为真、过程仍有争议。目前无证明细节与独立验证。
上个月刚获菲尔兹奖的 Jacob Tsimerman 宣布将加入 OpenAI 从事 AI 安全研究。8 月初，他与研究科学家 Sébastien Bubeck 在旧金山总部召集约 40 位数学家闭门开会，一场报告题为《The End of Mathematics》。多伦多大学教授 Daniel Litt 警告人类数学专长可能完全消失，但认为极端情形可能性不大；MIT 的 Drew Sutherland 称数学家或许是“煤矿里的金丝雀”。数学被视为高级认知能力的代理指标。5 月，未发布的 OpenAI 模型用代数数论工具推翻单位距离猜想；8 月，OpenAI 宣布 10 项新发现；Anthropic 的 Levent Alpöge 用 Claude 在 668 维超立方体上构造出正交向量对。
据Latent Space报道，自2022年以来，人工智能流水线的各个组件正逐步从人工制造转向模型制造，每个转变都始于前沿实验室的“零号病人”。这种转变可概括为“模拟”，其特点是性能略差（10%），但成本极低（100倍）且速度极快（10000倍）。第一阶段（2022年）：奖励信号合成化，InstructGPT建立奖励模型范式，随后宪法AI和RLAIF让AI自我评判。第二阶段（2023年）：训练数据合成化，微软Phi系列证明“教科书即一切”，苹果WRAP通过LLM重写整个网络使预训练效率提升约3倍，NVIDIA的Nemotron-4 340B发布了许可的合成数据生成流水线。
英伟达最新研究显示，在让AI完成长周期任务时，软件‘线束’（围绕模型的工具、记忆管理和规则）比底层模型更关键。通过定制线束，研究人员让Claude Opus 5在无说明的2D游戏基准ARC-AGI-3上达到100%得分，而无线束时仅30%。英伟达产品副总裁强调，智能体不仅包含模型，还包括脚手架、运行时和工具库。长周期任务需连续决策，易出错，是智能体研究的重点。
在本期Decoder节目中，The Verge驻伦敦的AI记者Robert Hart讨论了AI对数学领域的冲击，以及许多顶尖数学家因此面临的生存危机。OpenAI刚发布的一系列数学难题解决方案在数学界引起轩然大波，引发激烈辩论。尽管AI在小学算术上仍表现不佳，但在高端抽象数学上却日益擅长，这提出了重大问题：若AI能胜任高水平数学，其能力能否迁移至其他领域？学术拨款和大学培养新数学家的意义何在？又或者，这一切只是前沿AI实验室的市场营销手段？Robert访谈了多位知名数学家，探讨这些议题。
《AINews》报道了一项新研究，该研究展示了如何解码加密的推理轨迹，并将其移植到其他模型、会话或用户中，从而显著改进开放模型。自o1发布以来，前沿实验室的推理模型加密了其推理轨迹以防止蒸馏，但此研究表明这些加密块可被重放至较弱模型并经提示转录。研究还警示，公开分享的加密推理会话可能泄露个人数据，初步扫描约7000条公共轨迹发现62个API密钥、33个邮箱、33个密码等敏感信息。论文还涉及对齐问题，如思维链摘要器隐藏答案等。
在ACM SIGAI的AI Matters交叉转载中，艾拉·斯凯伦采访了2025年AAAI博士论文奖得主浅井明里。浅井的博士论文聚焦检索增强语言模型（LMs），主张超越单一大型模型，设计并训练与互补模块协同的系统。她开创了检索增强LMs，在推理时从大型文本集中检索相关知识，而非仅依赖训练记忆，从而生成更准确、最新、可验证的输出。这项工作挑战了“仅扩大规模即可解决问题”的社区主流观点，并催生了开源模型OpenScholar，帮助科学家综合大量科学文献。该方法已被学术界和工业界广泛采用，如生成式搜索引擎。
美国AI公司OpenAI宣布其下一个主要模型家族Astra。公司称，由“一个内部版本的Astra”取得了10项成果，每项都解决或大幅推进了一个长期开放问题，领域涵盖高维几何、编码理论、算术线路复杂性、群论、算子代数、量子复杂性、格密码学与极值组合学。具体问题包括高维球堆积、二元码与球面码、非sofic群、Connes刚性猜想、量子并行重复、最近向量问题、Ehrhart体积猜想、多色Ramsey数与极值数猜想等；其中模型给出了某些群由其von Neumann代数唯一决定这一长期猜想的反证，并给出降至Cohn–Elkies阈值的球堆积密度新上界。据The Telegraph报道，OpenAI首席执行官Sam Altman上周访问华盛顿时被认为向美国政客演示了Astra系统。OpenAI研究科学家Noam Brown在LinkedIn发文称，该内部版本在数学、量子复杂性与理论计算机科学中解决了10个重大开放问题。哥伦比亚大学副教授He
OpenAI称其下一代模型Astra的内部版本在数学与理论计算机科学的10个长期悬而未决的问题上产出新结果，这些问题的主要结果至少十年未见进展，许多停滞更久。研究覆盖高维几何、编码理论、群论、算子代数、量子复杂度、格密码学与极值组合学，成果包括：达到Cohn-Elkies阈值的高维球堆积新上界、给定最小距离下二元码最大尺寸的改进界、非sofic群存在性的构造、对Connes刚性猜想的证伪、n⁴/log n量级的算术公式下界、一般双人量子博弈的指数并行重复定理，以及最近向量问题的多项式因子近似困难性结果；另有Ehrhart体积猜想与多色Ramsey数等工作。
作者参加了一场关于数学与AI的研讨会，会上产出了《莱顿宣言》，已有3000多人签署。作者虽未签署，但并非反对，而是对宣言中一些自信的断言和建议感到不确定。他强调宣言在聚焦数学界面临AI问题上的积极作用，并引用了宣言中关于数学研究特征性价值的段落，包括证明的最高确定性、归因性、透明性和独立验证性等。
“生物学的未来是可编程的。”Ground Truths 再次邀请 Arc Institute 联合创始人兼核心研究员 Patrick Hsu，讨论数字生物学、生命语言大模型（LLLMs）与通用生物人工智能（GBAI）。话题还包括两篇发表于 5 月的多智能体 AI 药物发现 Nature 论文、Biomni、AI 公司推出的科学工作台、Virtual Cell 项目，以及利用 OpenAI 寻找阿尔茨海默病药物发现的新机制靶点。节目也谈及人类沦为实验室助手及 AI 被恶意用于制造生物武器的担忧。
大型语言模型（LLM）常被用作合成调查受访者，但研究指出其个体答案看似合理，却未保留真实人类调查数据的联合分布、潜在结构、信度、中介路径和人口效应。研究引入立陶宛组织心理学数据集（n=263，68条目，12子量表），对37个模型进行心理测量相似度评分（PSS），并与五个非LLM统计基线及人-人上限比较。结果显示，LLM再现了定性方向，但高斯copula基线在PSS上优于所有LLM；LLM之间更相似（平均PSS 0.73）而非与人类相似；记忆化不是驱动因素。反事实交换显示教育效应（|d|=0.56）远超性别（0.12）和角色（0.18）。所有LLM表现出强顺从偏移（+0.84 SD），合成训练的回归器在保留人类上预测效度下降（平均R²-0.18 vs 0.28），并在3/10安慰剂中介路径上虚构间接效应。LLM样本不能替代人类调查数据。
OpenAI 宣布其内部 AI 模型推翻了困扰数学家 80 年的 Erdős 单位距离猜想。菲尔兹奖得主 Tim Gowers 称单位距离问题的解是
「Marcus on AI」对 OpenAI 在 Erdős 问题上的成果提出质疑。文中转述 Cal Newport 的邮件：OpenAI 用一款尚未发布的推理模型，通过 chain-of-thought 式「出声思考」，帮助找到一个反例，推翻了 Paul Erdős 80 年前提出的离散几何猜想；职业数学家从长篇推理记录中识别反例并改写为标准证明。审阅完整输出的数学家 Thomas Bloom 指出，研究者多认同 Erdős「猜想为真」的信念而专注求证，大模型工具却系统运用并扩展已有技术、寻找猜想为假的证据；AI 常沿人类认为不值得尝试的路径坚持，兼具超人耐心与广泛技术储备。作者另指出，近年 LLM 已与计算机辅助数学工具结合，系统探索人力难以持久钻研的问题空间。
去年夏天，OpenAI生命科学研究负责人Joy Jiao等研究人员与Ginkgo Bioworks合作，测试AI能否真正“做科学”。Jiao指出，“设计最优实验”没有标准答案，属于既难求解也难验证的“hard-hard问题”。团队选用超级折叠绿色荧光蛋白sfGFP作为基准，因为它的绿色荧光信号快速且明确。实验聚焦无细胞蛋白合成（CFPS），即在活细胞之外、用受控混合体系运行细胞自身 machinery 制造蛋白。GPT-5从OpenAI旧金山总部设计实验，发送至波士顿Ginkgo的机器人系统；联合创始人兼CEO Jason Kelly称这套自主实验室是生物学的“Waymo”：研究者设定目标，AI负责驾驶，无需持续人工监督。GPT-5在迭代中分析传入数据，但文中未给出实验结果。
在IPAM研讨会上，菲尔兹奖得主陶哲轩与OpenAI首席研究员Mark Chen进行炉边对话，讨论AI在数学领域的飞跃。一年前陶哲轩评价GPT像“效率极低的博士生”，如今AI已在IMO获金牌级成绩，人类编写的基准测试被迅速“击破”。陶哲轩认为数学试错成本低，AI快速解决长期被忽视的Erdős问题，促使数学界反思研究分工、人机协作与教育变革。