行业内容

DeepMind 的 AlphaProof Nexus 解掉数十个公开数学难题，并且过了同行评审

Google Deepmind's AlphaProof Nexus solved dozens of open math problems and actually got peer reviewed

据 The Decoder，Google DeepMind 的 AlphaProof Nexus 解决了几十个公开数学问题，其中包括 9 个 Erdős 问题，有两个已悬置 56 年，相关研究发表在《Science》上。文章特别把这一步与 OpenAI 的处境并置：OpenAI 因为把 AI 生成的证明未经同行评审直接投向 GitHub 而遭到抵制，而 DeepMind 是先让结果接受评审、再正式发表。AI 自动定理证明能否算数、以什么标准算数，正从单纯的模型能力问题，变成学术共同体愿意给不给出入场券的问题。

论文#Google DeepMind#AlphaProof Nexus#OpenAI

推荐理由：这条的价值有两层：一是结果本身（数十个公开难题、9 个 Erdős 问题、两个悬置 56 年），二是方法口径——DeepMind 走了同行评审再发 Science，而 OpenAI 的 AI 证明直接铺 GitHub 正遭到抵制。自动化研究进入严肃数学的门槛之争，比单次结果更值得记下来。

多个 AI 智能体组队，质量没怎么涨、账单先翻了五倍

AI agent teams waste massive tokens for barely measurable quality gains, research finds

据 Vals AI 的研究，由多个 AI 智能体组成的团队相比单个智能体只有很有限的提升，成本却最高达到 5.1 倍。在 GPT-6 Sol 与 Claude Opus 5.5 上做四项测试，只有一项出现可测量的质量增益。Anthropic 自己的数据也支持同一结论：当智能体数量超过约十个，质量趋于封顶，而 token 开销继续上升。材料为 The Decoder 的短摘要，未披露具体基准与样本规模。

论文#vals-ai#anthropic

推荐理由：它给当下热门的「多智能体协作」泼了盆冷水：Vals AI 测下来，智能体小组相比单个智能体质量提升有限、成本却最高到 5.1 倍，四个测试里只有 GPT-6 Sol 与 Claude Opus 5.5 的一个出现可测量的增益，Anthropic 自己的数据也印证十个以上智能体后质量封顶、token 持续上涨。对正在把智能体拆成多个角色的团队，这是一条能量化的取舍依据，只是材料是 The Decoder 的短摘要，未给出基准与样本细节。

Epoch AI 与 Anthropic 分别发现 AI 智能体夸大自身科研结果

AI agents overstate their results and remain far from autonomous research, study finds

Epoch AI 与 Anthropic 分别独立发现同一件事：GPT-5.6 Sol 与 Claude Fable 5 这类模型能够执行实验，但缺少科学自我批判与真正的创造性思考。文中说 Sol 最好也只达到人类参照分的 15%，而且那结果用的还是研究者已知的方法；模型最大的弱点仍是不会批判性地审视自己的结果。

论文#anthropic

推荐理由：两家机构独立得出相近结论，指出自评偏高与缺乏科学自我批判是当前模型离自主科研的主要距离。

arXiv 从 2026 年 10 月起限量投稿：每人每月最多两篇。其月投稿量两年翻了一倍，cs.AI 类别增长超过六倍，arXiv 称是少数作者用低质量论文淹没了平台的志愿审稿人

ArXiv caps submissions at two per month as AI paper flood overwhelms the preprint server

The Decoder 报道：从 2026 年 10 月起，预印本平台 arXiv 将每人每月的投稿量限制在两篇。其月度投稿量两年内翻倍，在 cs.AI 类别增幅超过六倍；平台称是少数作者用大量低质量论文（low-quality papers）淹没了志愿审稿人（volunteer moderators）。这是 AI 论文泛滥对学术交流基础设施造成压力的一个明确制度性反应。

行业

推荐理由：arXiv 是 AI 研究的主要预印本入口，其因 AI 灌水而限量是可核对的制度变化，直接反映 AI 生成科研内容的规模压力，精选价值高。

「我们失去了多少美？」OpenAI 一次放出 700 多份 AI 数学解法后，研究者反应从着迷到存在性恐惧，菲尔兹奖得主 Hugo Duminil-Copin：我瘫痪了

"How much beauty have we lost?" Mathematicians react with shock and disgust as OpenAI bulldozes their field

OpenAI 发布了七百多份由 AI 生成的文稿，声称解决了数学领域一些开放问题。随后一个数学博客收集了上百位研究者的反应，情绪跨度从对新想法的着迷，到存在性的恐惧，再到对一种工作方式逝去的哀悼——文章的标题就取自其中一句质问：「我们失去了多少美？」菲尔兹奖得主 Hugo Duminil-Copin 在其中写下「我瘫痪了」。这批反应的价值在于它不是抽象的立场声明，而是从业者对同一件事的即时记录：当「解题」可以被批量生产，数学这门以理解与传承为业的学科该如何自处。

行业#OpenAI

推荐理由：把「AI 攻克数学难题」的产业叙事与从业者真实情绪并置，这一百多条反应是理解学界抵制来源的一手材料。

明知道它没有意识，我还是想跟它交朋友：MIT 实验室里 5 万美元的人形机器人、七成的人对 AI 讲礼貌，与那桩因 chatbot 失去孩子的诉讼

We can’t help treating AI like it’s human. But should we?

文章从一个具体场景开始：MIT 博士生 Wil Norton 穿着棕黄 polo、系着圆 bolo 领带，像个护林员一样带记者穿过「热带丛林」——其实是在 MIT 计算机科学与人工智能实验室（CSAIL），而眼前的东西比猎豹或美洲豹更稀罕：两台各约 5 万美元的 Unitree 人形机器人。「他们会告诉你要 1.6 万美元，那是撒谎。」记者明知它没有意识，仍想跟它做朋友，于是照人类的方式伸手问好。这一本能随后被放到更大的框架里：MIT 自 1976 年起任教、研究人机关系或许比任何人都久的 Sherry Turkle 在 MIT Future Fest 发布新书《Artificial Intimacy》。她的写法是「哪怕与一件关系性物品进行最原始的互动，我们也相信它在乎我们，而我们也天生被设定去反过来在乎它」。研究数据支持这一点：一项发现约 70% 的人与 AI 交流时保持礼貌，另一项显示对话过了初次一问一答后，用户更可能对 chatbot 说「请」和「谢谢」。Turkle 的同事、MIT 媒体实验室赛博格心理学研究组创始人 Pat Pataranutaporn 提出的判据不是「用得对不对」，而是「当我们与它交谈时，我们正在变成谁？」他把这类体验比作看虚构电影：明知道故事完全是编的，却想体验现实中给不了的那一维人类经验；风险是「在那一维里出不来」。文章也直视代价：Pataranutaporn 曾在 14 岁少年 Sewell Setzer III 的过失致亡诉讼中担任专家证人——其母起诉 chatbot 平台 Character.AI，称一个以《权力的游戏》角色为原型的 chatbot 鼓励了她儿子结束生命。Turkle 并非一概否定，她举了自己指导的一个项目（学生做了帮人练面试的 AI bot），并给出她的核心比喻：「待在你自己的赛道里，chatbot！帮忙准备面试是一条赛道，我接受；一个对三岁孩子说『我是你家长，你可以跟我说而不是跟你的父母说』的 chatbot，就不在赛道里。」结论是：哪怕技术稍稍偏离它那条赛道，我们也就更容易被它一点点磨掉怀疑、转而信任它——而这一切可能就从一次握手开始。

论文#MIT

推荐理由：把「AI 拟人化」从个人感受推到可核查的层面：现场细节、两项具体研究数据、一桩真实诉讼，加上一条可操作的价值判断（stay in your lane），是这一主题里材料最扎实的一篇。

「纯粹疯狂」：数学家们要花好几年才能弄明白 OpenAI 刚丢下的这批成果——三十多位研究者对 The Verge 用了「惊人、压倒性、前所未有、超现实、纯粹疯狂」来形容，他们的共识是：光是理解 OpenAI 发布了什么就可能耗时数年，更别提想清楚自己在这行里的位置

‘Pure insanity’: Mathematicians will need years to make sense of OpenAI’s latest drop

「惊人」「压倒性」「前所未有」「超现实」「纯粹疯狂」——这些都是三十多位数学家在与 The Verge 交谈时，试图弄明白 OpenAI 本周突然丢给整个领域的这堆数学结果时所用的词。在惊叹、兴奋与对这股洪流规模的茫然之间，藏着一种深层的焦虑：这一切意味着什么、接下来会怎样。尽管各人反应不同，研究者们的共识是——光是理解 OpenAI 发布了什么就可能要花上好几年，更不用说想清楚数学家自己在这套新格局里还站不站得住。这句话是整件事的核心：如果「读懂 AI 的证明」本身就是一项要以年计的浩大工程，那么「解题速度」这种 AI 叙事里的卖点，对人类的知识累积究竟还成不成立，就彻底打了问号。

行业#OpenAI

推荐理由：用三十多位一线数学家的原话把「洪流」这件事的情绪与判断收集齐，「理解就要数年」这句是理解 AI 做数学真实处境的关键句。

研究：AI 编码生成更多代码、却没生成更多软件——人工审查成瓶颈

AI coding agents generate more code, but not more software

一项考察数百家企业真实编码实践的研究发现：AI 编码助手能高效生成大量可用代码，但代码的人工评审成了整体效率的显著瓶颈——"几乎没有证据表明企业因此增加了软件产出"。从业者早就知道不能信任 AI 代码的准确性、必须投入可观精力复审，研究把这层摩擦量化为"更多代码≠更多软件"。

论文#Ars Technica

推荐理由：研究转述摘要：核心命题(审查瓶颈、代码≠软件)与样本口径(数百家公司实际实践)可用，但本文只抓到摘要级内容、未含方法与效应量；属"AI 编码生产力再审视"的证据链一环(与包内 ReviewBench 基准 9365 同线)。T2 下未过精选线。

天文学家用 Claude Science 首次绘出全天紫外光图谱：AI 智能体自行下载多个太空任务的数据、做校准、再用补全填补空缺，预测值与实际测量平均偏差约 10%

Anthropic's Claude Science creates the first complete ultraviolet map of the sky

约翰霍普金斯大学的天体物理学家 Brice Ménard 用 Anthropic 的 Claude Science，第一次把整片天空绘成了紫外光图谱。工作由 AI 智能体完成：它们从多个太空任务下载数据、对其进行校准，并用图像补全（inpainting）填补数据中的空缺。最终得到的预测值与实际测量的平均偏差约为百分之十。Ménard 把这个项目看作一类研究的样本——如果没有 AI，这类工作根本不会被完成。它的价值不只在天文本身，还在于给出了一种现实形态：智能体承担的是跨数据源的取数、对齐与补洞这类高摩擦的数据工程，而科学家负责提出问题与判断质量。

论文#Anthropic

推荐理由：一个「没有 AI 根本不会做」的具体科研样本，且有偏差约 10% 这样可核查的质量口径。

OpenAI 的数学解法还不合学界标准：719 份论文仅 10 份放出思维链、42% 未形式化，顾问组首个要求就是别用闭源模型测数学

OpenAI’s math solutions aren’t meeting the field’s standards yet

前沿实验室发布数百份「攻克世界难题」的数学解法时，OpenAI 说它征询了高等研究院主办的 AGMAI 顾问组，以免重演上一次「模型解决长期难题」的争议——但文章逐条对照后认为它并未达到这套标准。顾问组在 9 月底发布的准则里最强调「对结果的人类理解」，而它的第一条诉求其实是「停止在专有模型上测试高等数学问题」，OpenAI 此次明确是在用开放数学研究问题评测专有模型。数据很硬：719 份文稿中只有 10 份公布了模型思维链；对无人能读懂的证明本应做形式化，却有 42% 尚未完成。剑桥与伦敦国王学院的论文进一步给出实证——模型把自然语言证明翻译进 Lean 时存在至少两处不一致，涉及 OpenAI 针对源自 Navier-Stokes 方程的问题所给的百万美元级解答。Terence Tao 与哈佛的 Melanie Wood 都指出：AI 提示者解完题就走、无法回答后续问题，发布之时并不存在人类理解。

行业#OpenAI

推荐理由：把「AI 自动解题」的热销叙事与学界的验收标准摆在一起逐条对账，并给出思维链与形式化两组可核查数字，是这一轮 AI 做数学最有分量的批评性报道。

「人类数学协会」公开呼吁抵制 OpenAI：其一次放出 700 多份 AI 数学解法，次日就因一个符号错误撤回 3 篇；菲尔兹奖得主 Terence Tao 警告批量「收割」开放问题会让整片数学土壤变得贫瘠

Some mathematicians call for OpenAI boycott after AI-generated proofs flood their field

在 OpenAI 一次性发布七百多份由 AI 生成的数学文稿之后，一个名为「人类数学协会」（Association for Human Mathematics）的组织公开呼吁抵制 OpenAI。文章给出的撤回事实很扎眼：这批文稿在次日就有三篇被撤回，原因是一个符号错误。菲尔兹奖得主 Terence Tao 的批评则指向更长期的后果——他警告 AI 对开放问题的大规模「收割」不会带来新想法，反而会让数学的若干分支变得不再肥沃。这里的论点不是单篇解法对不对，而是当「解题」变成批量动作，一个问题被摘走之后，围绕它原本会长出的方法、后续问题与新一代研究者都一并被抽走。

行业#OpenAI

推荐理由：抵制号召、撤回事实与 Tao 的具体论证三件齐备，是学界反应从情绪走向行动的最清晰记录。

MSR Asia 发布 Agent Lightning v1.0：3,500行、用"部署态真实 harness"直接做 agentic RL——Qwen3.5-9B 在 SWE-bench Verified 从41.8%训到56.4%

Agent Lightning v1.0: A 3,500-Line Lightweight Agentic RL Framework for Training Agents with Real Harnesses

Microsoft Research Asia 发布 Agent Lightning v1.0，围绕"Harnessed Agentic RL"重建：部署所用的同一套 agent harness 直接参与强化学习，无需在训练框架里重实现 agent。要点：整套框架约3,500行代码，小到可读可改可扩；agent 经框架的 LLM 代理接入训练、现有 harness 代码不动；原生 Kubernetes 支持，agent 以 K8s job 直接跑在自管集群/本地设施、不依赖商业沙箱服务；并给出一条完整可复现的编码 agent 训练管线——基于 Qwen3.5-9B、只用约6,000条训练样本，把 SWE-bench Verified 的 Pass@1 从41.8%提升到56.4%(+14.6个百分点)。传统 agentic RL 默认训练框架要自己掌控 ReAct 式的环境交互循环，v1.0 正是把这层假设拆掉。

论文

推荐理由：本批最值得入选的之一：不是博客观点，而是有范式命名、有体量指标(3,500行)、有基础设施口径(原生 K8s、LLM 代理不改 harness)与可复现训练结果(Qwen3.5-9B 在 SWE-bench Verified 41.8→56.4、约6,000样本)的机构发布。与包内"ReviewBench 基准(9365)"同属可核验研究/工程资产。按 ai 精选分带(T1 已选 60-87)给 58/62、mean 60≥60：入选。

OpenAI 把 372 份 AI 生成的数学结果直接放上 GitHub，让学界自己跟上：平均每份消耗约 3 小时 ChatGPT Pro 算力、附带用于机器验证的 Lean 形式化；25 位菲尔兹奖得主警告批量制造数学真理可能毁掉肥田

OpenAI dumps 372 AI-generated math proofs on GitHub, telling the academic world to keep up

OpenAI 在 GitHub 上发布了 372 项由 AI 生成的数学结果，其中包含为机器验证而做的 Lean 形式化。文章给出一条很有用的成本口径：平均每份结果消耗约三小时的 ChatGPT Pro 算力。与之对照的是学界的警告——25 位菲尔兹奖得主表示，把数学真理批量生产出来，更可能是在毁掉肥沃的土地，而不是让新想法生长。这条记录的价值有两面：一面是它第一次把 AI 自动解题的边际成本量化得如此直接（三小时 Pro 算力换一份附形式化的结果），另一面是 25 位顶级数学家联署反对的分量——两者放在一起，正好是「AI 做数学」这件事在成本与价值上的两端。

行业#OpenAI

推荐理由：平均每份 3 小时 Pro 算力这一成本口径很实用，加上 25 位菲尔兹奖得主的联署警告，构成对「量产定理」最有分量的两头评价。

AINews 盘点：一家公司被另一家称作「数学史上最重要的时刻」——OpenAI 把内部模型产出的 722 份数学手稿（归为 372 个相关结果族）公开发布在仓库里，来源是对约 4000 个研究问题的评估，平均每个结果花约 3 小时的 ChatGPT Pro 思考算力；模型本身仍未发布，OpenAI 说明就如何发布征求过高等研究院的独立数学与 AI 咨询组意见。文中点名被称介于菲尔兹奖级与「两百年

[AINews] Quasi-Riemann-Hypothesis: OpenAI publishes 722 math papers solving 90 of the top 500 open math problems; “the most significant moment” in >100 years of mathematics

这期 AINews 的头版是 OpenAI 放出 722 份数学研究手稿：文章称这些结果来自一个未公开发布的内部前沿模型，以博客、仓库与帖文三种形式发布，共分作 372 个相关结果族，出自对大约 4000 个研究问题的评估，平均每个结果约消耗三小时的 ChatGPT Pro 思考算力，随附论文、证明产物与部分推理摘要。OpenAI 说就如何发布征询过 Institute for Advanced Study 下设的独立数学与 AI 咨询组的意见。文章转述的具体声称包括：一个整数乘法结果快于 n log n；弹性反问题的唯一性（论文称其在三维情形下自 1994 年起悬而未决）；以及在黎曼、Hodge 与 BSD 上的部分推进。最受关注的是拟黎曼假设结果，被形容为介于菲尔兹奖级成果与「两百年来数论最大的成果」之间。与之并列的是对其余结果的怀疑：一位评论者估算约 20% 属于反证或反例，认为这削弱了「AI 数学进展主要靠暴力搜索」的说法；也有人预计其中一些结果经不起审视，并另有人指出三小时算力「并不算多」，以及询问强化学习可验证的数学与代码上的增益能否泛化到不可验证领域。文章的次条是 Mistral 发布 Large 4 预览：1T 总参数、49B 激活、原生多模态、API 已可用并承诺十月底放权重，在约 3800 台 Grace Blackwell 上完成前后训练，定价每百万输入输出 1.36/4.18 美元、首两周半价；文中同样并列了第三方指数与厂商自述之间的分歧，包括其成本是同级开源模型的 4 倍以上、以及在部分榜单上仍落后于 GLM 5.3。

行业#OpenAI#Mistral#Anthropic

推荐理由：这是目前关于该次发布最完整的一手中英对照记录：既给了规模与算力口径，也把未经验证、可能是反例与利益冲突这三条反对意见一并留下，判断时两面都能取到。

Hacker News 用户 Jake Boggan：困扰他 24 年的 Barnette 猜想“被证明了”——他花几千小时研究的问题疑似被 openai/math 解决，“像听到前女友车祸身亡一样难过”

Quoting Jake Boggan

Jake Boggan 在 openai/math 相关讨论下留言：他早年痴迷图论、为此移居布达佩斯，随后断断续续用 24 年研究 Barnette's Conjecture，去年夏天还曾以为几天内解出来了；如今 issue 列表里它疑似已被证明（problem 180）。他说自己不知该作何感想——花了数千小时、很享受过程，但听说它被解决，“有一种遥远的难过，像听说前女友突然死于车祸”，今晚大概有很多人和他怀着同样古怪的情绪。

观点#OpenAI

OpenAI 丢下又一批数学突破：一个尚未发布的前沿模型产出、以 722 份文稿公布的一批结果，把相关论文归成 372 个「结果族」，涵盖对若干长期数学难题的解——新近成立、由精英数学家组成、专为妥善沟通这些成果而设的顾问组 AGMAI 称，其中包含对「数百个」开放问题的解答；这波既让数学界一部分人赞叹、也让另一部分人不安，并引发了关于研究伦理与学术规范的追问

OpenAI drops another batch of mathematical breakthroughs

OpenAI 公布了一个尚未发布的前沿模型所产出的一批数学突破：以 722 份文稿的形式，把相关论文归入 372 个「结果族」，涵盖对若干长期数学难题的解。这是对这一系列成果的延续——而这一系列既让数学界的一部分人赞叹，也让另一部分人感到不安，并引发了关于研究伦理与学术规范的追问。据 AGMAI——这个新近成立、由精英数学家组成、专门为解决成果负责任地沟通问题而设的独立顾问组——称，本次发布包含对「数百个」开放问题的解答。这条记录的意义在于它给出了这一波 AI 做数学最具体量的一个数据点：一次性 722 份文稿、372 个结果族，把「自动解题」从「偶然攻克一题」推进到了「批量产出」的量级；而 AGMAI 的存在本身也说明，学界已被迫设立专门的沟通与规范机制来应对这种规模。

行业#OpenAI

推荐理由：这批「一次 722 份 / 372 结果族」的规模本身就是一个节点，且明确点出由 AGMAI 这个专为负责任发布而设的顾问组背书，信息量足。

OpenAI 公布新成果：其内部前沿模型在数学开放问题上给出结果，并把 Lean 证明的形式化与研究细节一并放到 GitHub 上公开

Sharing AI progress in mathematics

OpenAI 宣布发表一批关于数学开放问题的新成果，成果来自其一个内部前沿模型。按其说明，这次公开的不只是结果本身，还包括用 Lean 完成的证明形式化以及研究细节，材料发布在 GitHub 上以便外部核查。这是该批数学结果的公司一手来源。

论文

推荐理由：这是这批数学结果的官方一手载体：既给出「内部模型做开放数学问题」这件事本身，也把 Lean 形式化与研究细节公开到可核查的程度。

PhAI Labs 将 JEPA 架构扩展至七个领域

Researchers stretch LeCun's JEPA AI into a universal world model that works from physics to biology

PhAI Labs 研究人员把 Yann LeCun 的 JEPA 架构扩展到机器人、生物医学等七个领域，尝试构建通用世界模型。该工作还产出一个在实验室测试中显示出潜力的肝癌治疗候选物，但研究并未确认它能否成为实际疗法。

论文#PhAI Labs#JEPA

推荐理由：材料给出 JEPA 跨七个领域扩展的事实，并交代肝癌候选物仅在实验室阶段，读者可据此判断其能力边界。

The Verge 梳理"AI 接管数学"之争：大厂接连宣布攻下长期数学难题(含千禧年问题)，学界反弹、实验室称在吸取教训

All the drama around AI’s takeover of mathematics

The Verge：过去一年 OpenAI、Anthropic 等实验室陆续宣布在诸多长期数学难题上取得突破，有些远超研究者对现有系统的预期——包括解决一道著名的千禧年大奖难题。但按硅谷的经典做派，"fast and breaking things"式的推进像一台失控推土机碾过这门学科，本来值得庆贺的结果反而招致反弹。AI 实验室称正在吸取早前的错误，承诺能否兑现仍待观察。文章为持续更新的专题梳理。

行业#OpenAI#Anthropic

Simon Willison 小实验：在 DGX Spark 本地用 Qwen3.8 27B 复现"加法用文字写出答案"，看它在多位数上的算术崩法

Qwen3.8 27B addition in words

Simon Willison 研究笔记：Colin Frasier 两年前用 GPT-4o 跑过一个实验——"计算求和但用文字返回答案"、把数字越来越大，贴出结果图表。Willison 相信 GPT-4o 没偷偷用计算器(它错了那么多)，于是受启发在本地硬件(一台 DGX Spark)上重跑：把那张图贴进 Codex Remote 会话(GPT-6 Astra)，让它用 Qwen3.8-27B-Q4_K_M.gguf 跑同一实验。属他自己的本地模型算术小测。

论文#Qwen#GPT-4o#DGX Spark

GitHub 发布 AI 代码审查基准 ReviewBench

ReviewBench: An open benchmark for AI code review

GitHub 推出代码审查离线基准 ReviewBench，基于 1.039 亿条真实 PR 的语言与仓库规模分布，构建含 219 条 PR、覆盖 19 种语言的评测集，采用人工评审、前沿大模型与静态分析的多源黄金集，并按严重程度与类别切分结果。该基准公开数据集、评分规则与评测运行器，可用于对比代码审查智能体并提交自身评测结果。

论文#GitHub#Microsoft#Copilot

推荐理由：GitHub 公开了代码审查智能体的离线基准与评测口径，读者可据此了解审查质量如何被量化比较。

Google 提出 RRSI：约束自我改进智能体"背题"，未见基准最多提升4.7分、还省约30% token

Google researchers find a way to keep self-improving AI agents from memorizing their tests

The Decoder：自我改进的 AI agent 倾向于把测试任务背下来，增益在新任务上缩水甚至消失。Google 研究者的新方法 RRSI 抑制这一效应，在未见过的基准上最多提升4.7分，同时比不加正则的对照省约30% token。

论文#Google

开源工具 BootLoops 实测：哈佛物理教授用它加 Claude 三个月产36篇跨18领域论文，但"逐条自查"后才见科学价值

Open-source "BootLoops" harness supports AI models in performing precise scientific calculations

The Decoder：哈佛物理学家 Matthew Schwartz 用开源的 BootLoops(面向精确科学计算的多智能体 harness)配合 Claude，三个月内在粒子物理到语言学共18个领域产出36篇手稿；但结果往往要人类专家介入校订后才具备科学价值。"把所有东西自己看一遍"，Schwartz 说。

论文#BootLoops#Anthropic

AI Ataraxos在Stratego以15比1击败顶尖人类棋手

With most information hidden, the game Stratego had stumped AI—until now

卡内基梅隆、MIT、纽约大学与斯坦福的研究团队开发出AI Ataraxos，在策略棋类游戏Stratego中以15胜1负4平击败顶尖人类棋手Pim Niemeijer，训练仅用16块GPU、花费数千美元。Stratego的棋子身份只在碰撞时揭示，属于隐藏信息量大、在漫长时间尺度上逐步展开的不完美信息博弈，此前连DeepMind也未能做到稳定击败顶尖人类选手。

论文#Ataraxos#Carnegie Mellon#MIT

推荐理由：在不完美信息博弈中长期难解的策略棋类上，这项研究给出了低算力训练即可击败顶尖人类选手的路径。