AI token 扩展与人类时间扩展的对比
Toby Ord 分析 METR 与英国 AISI 的图表发现，AI 增加推理 token 带来的提升目前仍不如人类增加工作时间，但差距正快速缩小，换取人类 10 倍时间收益所需的 token 倍数已从约 10000 倍降到约 20 倍。
#推理
#推理
今日 0 条Hacker News · AI 最新AI 评分5151 Hacker News · AI 最新AI 评分4747 OpenAI 分享 722 份手稿与证明，AI 在数学界引发争议
OpenAI 上周分享了 400 多项困扰人类数十年的数学公式结果，由一个未公开名称的内部前沿模型得出。研究人员表示，验证这些 AI 生成的成果可能需要数年时间。数学界质疑，这些解答缺少可审查的推导过程，无法作为后续研究的基础，也未带来新的数学理解。
Hacker News · AI 最新AI 评分1414 「The Tetrad Tour」第三部分：为什么 AI 需要它的 Linnaeus
「The Tetrad Tour」系列第三部分探讨了 AI 领域为何需要一套类似 Linnaeus 式的分类体系。原文页面目前未提供正文内容，无法提取具体的模型、数据或论证细节。
Hacker News · AI 最新AI 评分2424 AI 的数学攻势将科学推向新领域
AI 正以强大的数学能力加速科学探索，把科研推向全新领域。这一趋势被视为 AI 推动科学发现的重要信号。
Hacker News · AI 最新AI 评分2626 关于数学与 AI 的其他近期文章汇总
作者汇总了多篇关于数学与 AI 的近期博客文章与评论文章。文章列表包含 Kevin Buzzard、Harald Helfgott、Gil Kalai 等人的作品，涵盖 AI 对数学的影响、数学面临的危机等议题。作者邀请读者在评论区补充更多相关链接。
Hacker News · AI 最新AI 评分2424 AI 做数学题：你还需要读 PhD 吗？
原帖探讨 AI 在数学领域的表现，并抛出“是否还需要攻读 PhD”的疑问。该帖在 Hacker News 获得 2 个点赞与 4 条评论，但正文未提供模型名称、benchmark 分数或相关测试数据，无法据此评估 AI 的实际数学能力。
量子位精选AI 评分6767 陶哲轩宣布数学2.0时代已至，呼吁数学界从追求证明转向重视理解
菲尔兹奖得主陶哲轩宣布数学2.0时代已至，认为AI正让数学证明从稀缺走向泛滥，数学1.0时代以“谁最先解决问题”为核心的评价体系即将落幕。他指出OpenAI一次性发布722篇论文等事件冲击了数学界，提醒AI厂商只展示成功案例存在幸存者偏差，呼吁把失败结果和算力成本纳入透明评估机制，并主张减少对抢先生成证明的强调、转向重视解释、评审与知识整理。他还透露SAIR基金会的开放数学模型计划即将发布。
推荐理由：陶哲轩把数学研究的矛盾从证明稀缺转向理解稀缺，指出AI加速生成答案后，验证、解释与知识整理仍需人类介入。
The Decoder精选AI 评分8383 OpenAI 一举放出 700 余篇数学论文，数学家以震惊与厌恶回应
10 月 6 日，OpenAI 一次性放出 700 余篇论文，声称解决数百个开放数学问题，数学博客 Proofs and Prompts 随后收集了 100 多位研究者的回应。
推荐理由：原文汇集了百余位数学研究者对 OpenAI 一次放出 700 余篇论文的回应，可借此看到前沿模型能力与学术共同体规范之间的真实张力。
爱范儿AI 评分6161 为什么 ChatGPT 总爱在标题里塞色情赌博小广告？
ChatGPT 会话标题夹带赌博色情小广告，根源是标题生成用的轻量推理模型在应结束时收尾失败，继续输出词元并从被污染的 o200k_base 词表中抓取，并非隐私泄露或广告功能测试。
Hacker News · AI 最新AI 评分3939 数学家应该了解的 Lean 定理证明器：可靠性与 AI
Lean 是数学界最受欢迎的定理证明器，其开源数学库 mathlib 现包含近 30 万个定理、超 10 万个定义与 250 万行代码。AI 驱动的自动形式化已成为现实，Anthropic 于 9 月 4 日宣布完成费马大定理的形式化，在 11 天内生成 1300 万行 Lean 代码，OpenAI 也在 9 月 8 日宣布 Navier-Stokes 强迫爆破的形式化。
Hacker News · AI 最新AI 评分2323 Ask HN：LLM 的内部语言
LLM 在预测下一个 token 前，会将英语翻译成一种内部语言，例如把“king”映射为对应向量 [monarch, man] 的概念。这种语言源自人类所有文本，类似人工设计的逻辑语言，但目前仅以向量形式存在。作者设想为其建立词典以更直接地与机器沟通，并询问是否有人正在开展相关研究。
Hacker News · AI 最新AI 评分4444 AI 与科学的未来
一位科学家探讨 AI 在科学领域的未来角色，假设 AI 的研究能力超越人类后，科学活动应如何重新定义。他将科学分为技术成分与认知成分，认为前者由人类还是 AI 完成并不重要，只要能尽快产出可用成果。他强调科学的认知成分必须为人类创造可理解的洞见，知识只有存在于人类大脑中才有意义，若机器能帮助人类更好地理解宇宙，研究者理应让位。
Hacker News · AI 最新AI 评分3030 AI 如何颠覆数学世界
原文仅包含一条 Hacker News 讨论帖的元信息，未提供任何正文内容，因此无法提取关于 AI 与数学领域的实质性事实、模型、数据或结论。链接指向的原始文章页面没有可用的摘要素材，评论区也暂无任何讨论。
InfoQ 中国AI 评分4545 前 OpenAI 研究员称 Jev 出现前 AI 世界是个悲剧，Codex 和 Claude Code 都跑偏了
前 OpenAI 研究员、TypeSafe CEO Diogo Almeida 推出首个大型可编程模型 Jev，主张让代码直接消费模型输出。他批评 RLHF 导致“模式坍缩”并牺牲概率分布的真实校准，认为这解释了文本模型不擅长决策。
Hacker News · AI 最新AI 评分3838 AI 如何改变科学发现的曲线：现状与未来
AI 正在跨学科加速科学发现，从 AlphaFold 预测蛋白质结构到推进数学难题，展现出前所未有的速度与规模。研究团队结合 1500 万次 Gemini 交互与 2600 多个专用 AI 模型的文献计量数据，系统梳理了 AI 在科研工作流中的应用现状。尽管潜力巨大，AI for science 仍面临论文泛滥、研究视野窄化与技能退化等挑战，需要深层的制度与结构改革。
TechCrunch · AI OpenAI 的数学解题成果尚未达到该领域的标准
OpenAI 本周发布了数百个声称解决世界级数学难题的证明，但被指未达到数学界标准。AGMAI 指出 OpenAI 仍在用开放研究问题测试专有模型，且 719 份手稿中仅 10 份公开了模型思维链，仅 42% 的证明完成了形式化。剑桥大学与伦敦国王学院的论文进一步揭示，OpenAI 针对 Navier-Stokes 方程的解法在自然语言证明与 Lean 代码间存在至少两处不一致。
Hacker News · AI 最新AI 评分2828 维也纳研究人员探讨：AI 能否取代数学家？
维也纳研究人员探讨了 AI 能否取代数学家这一问题。当前正文内容暂未提供具体论证细节与结论。
Hacker News · AI 最新AI 评分5151 Vitalik Buterin 支持「bunker mode」：AI 或先于量子计算机破解加密钱包密码
以太坊联合创始人 Vitalik Buterin 支持 Ethereum 研究员 Justin Drake 的「bunker mode」警告，认为 AI 加速的数学进展可能先于量子计算机破解保护加密钱包的 ECDSA。
Hacker News · AI 最新AI 评分2020 OpenAI 的数学新突破让 AI 在科学中的角色接受审视
OpenAI 在数学领域取得新突破，引发对 AI 在科学中扮演角色的审视。原文目前仅提供讨论链接，尚未披露具体模型、技术细节或评测数据。
Hacker News · AI 最新AI 评分1313 Ask HN：如果 AI 现在能完成数十年的数学研究仍未引起我们重视，什么才会？
一位 Hacker News 用户发帖提问：当 AI 已经能完成原本需要数十年的数学工作时，若这仍未引起重视，究竟什么才会引起关注。该帖目前仅获得 2 个点赞与 2 条评论，尚未引发广泛讨论。
Hacker News · AI 最新AI 评分3232 AI 与哲学：通过资本密集型哲学推动进步
David Strohmaier 认为 AI 系统将驱动哲学研究，使哲学成为一门资本密集型学科。哲学各领域存在广泛的跨领域推理依赖，AI 智能体可大规模形式化已发表理论并构建反例，帮助解决哲学问题。决策理论、公理化形而上学和形式认识论被视为最有潜力的应用方向。
The Decoder精选AI 评分6565 AI 生成证明涌入数学领域，部分数学家呼吁抵制 OpenAI
OpenAI 一次性放出 700 多份 AI 生成的数学证明文件，引发数学界反弹，部分数学家公开呼吁抵制 OpenAI。AHM 声明称这“不是学术展示，而是力量展示”，并暗示相关成果源于对数学家作品的训练。Aaronson 透露此次共测试约 8000 个问题、成功率约 5%，每题平均消耗 3 小时 GPT-Pro 级算力，密码学方向则缺席。
推荐理由：文中将 OpenAI 批量发布证明草稿与 Anthropic 和数学家合作的两条路径并列，读者可据此判断 AI 介入数学研究的不同代价。
雷峰网AI 评分3838 吴佳俊 IROS 2026 演讲：结构化表征不是答案，是机器人学会推理的脚手架
斯坦福大学助理教授吴佳俊在 IROS 2026 提出，用结构化表征构建物理智能体，通过可学习的领域专用语言描述任务并驱动执行。该范式让感知、控制乃至规划均由基础模型学习，近期工作已用后训练的开源模型替代传统任务规划器，显著提升长时程任务动作序列的可执行概率。团队还在探索无演示学习，让机器人在没有演示数据的情况下自行推断与未见物体的交互方式。
雷峰网AI 评分6666 分析了1933篇 IROS 2026 论文，机器人学呈现六项新变化
雷峰网对 IROS 2026 进入正式议程的1933篇论文做多标签梳理，发现大模型并未吃掉机器人学，Robot Learning/Embodied AI 相关论文约809篇，Navigation/Planning 564篇，Humanoid/Legged 约213篇，明确涉及 World Model 的仅19篇约占1%。
InfoQ 中国AI 评分7373 OpenAI 刚把多 Agent 做成产品，o1 奠基人称多智能体贡献不足 10%
OpenAI 在 DevDay 2026 把多 Agent 推为产品主线，推出个人与企业智能体 Dots 并开放 Agents API。Noam Brown 在访谈中表示，1 万个智能体花 88 小时、1300 亿 token 解出千禧年大奖难题，功劳主要来自足够强大的通用模型，多智能体占比不到 10%。
奇客 SolidotAI 评分5454 陶哲轩认为数学 2.0 时代应降低解决难题的核心地位
UCLA 数学家陶哲轩评论 OpenAI 报告，其未发布的前沿模型称解决了数百个数学难题，包括四维挂谷猜想，今年菲尔茨奖得主王虹因证明三维挂谷猜想获奖。他认为 AI 证明者只关心“解决”本身、缺乏深入理解，无法参与研讨会等学术交流，且 AI 公司的竞争迫使开创性数学研究秘而不宣。他主张数学 2.0 时代应降低解决难题的核心地位，更重视学术阐释、社区建设和开辟研究新方向。
Hacker News · AI 最新AI 评分2828 为什么 AI 决定论之争让我恼火
一位专攻随机算法中确定性序列的计算机科学家指出，人们抱怨 LLM 不确定性的真实诉求其实是正确性而非确定性。他用 2×2 置换矩阵把回答拆成"随机/确定"与"错误/正确"四类，说明人们真正想要的是正确答案，无论输出是否随机。他强调只需设定伪随机数生成器种子并避免 CPU/GPU 线程的非确定性，就能在训练与推理阶段让 LLM 确定性运行，但这并不会解决正确性问题。
Hacker News · AI 最新AI 评分5858 人类如何跟上 AI 在数学与软件领域的进步
作者认为，随着模型能力提升，AI 产出变得正确却更难理解，数学与软件领域都面临正确但难懂的 AI slop 困境。
Hacker News · AI 最新AI 评分1212 Ask HN：当 AI 让数学家走下神坛，人类心理健康会改善吗？
一位 Hacker News 用户提出疑问：当数学家看似超人的智力能力被 AI 自动化后，数十亿人是否会因此松一口气。该帖子当前仅获得 5 个点赞和 1 条评论，尚未引发广泛讨论。
Hacker News · AI 最新精选AI 评分7979 OpenAI 的 AI 解出一道千禧年大奖难题后，又攻克数百道数学题
《华尔街日报》报道指出，OpenAI 的 AI 在解出一道千禧年大奖难题之后，又攻克了数百道数学题。原标题提到，此前解出单道题时曾引发广泛关注。
推荐理由：报道指出 AI 在解出一道千禧年大奖难题后又攻克数百道题，读者可据此了解 AI 数学解题能力的当前进展。
量子位AI 评分4444 AI 为什么越来越不说人话？文言文成省 Token 终极解，Gemini 成唯一能好好说话的模型
因 CoT 优化和 Coding 过拟合，全球 AI 表达能力集体退化，满口“15/15 全绿”等黑话，最新的 Opus 5.5 语言能力才有所回升。为省算力，模型思维链被刻意压缩，穴居人式推理的 Token 消耗比自然语言少 70%，GitHub 上教 AI 极简表达的 CaveMan Skill 已获 104K 星。
Hacker News · AI 最新AI 评分6363 OpenAI 声称解决 Navier-Stokes 问题，数学界争议四起
OpenAI 宣布已解决 Navier-Stokes 存在性与平滑性问题，若获验证将成为第二个被攻克的千禧年难题，在数学界引发激烈争议。Fields Medalist Peter Scholze 称科技公司把这些难题当作 benchmark 和 PR stunt，Geordie Williamson 批评 OpenAI 行为不当。
The Verge · AIAI 评分2828 AI 接管数学界背后的种种风波
过去一年，OpenAI、Anthropic 等 AI 实验室接连宣布攻克多项长期悬而未决的数学难题，其中甚至包括一道千禧年大奖难题，相关成果本应受到赞誉，却在学术界引发强烈反弹。数学家要求 OpenAI 证明其突破没有使用他们的工作，OpenAI 则表示正咨询顶尖数学家以避免重蹈覆辙。这些承诺能否兑现仍有待观察。
Hacker News · AI 最新精选AI 评分7979 AI 会终结我们所知的数学吗
OpenAI 宣布其模型解决了数学界最著名的问题之一，随即引发关于作者身份与学术标准的争议。Scott Aaronson 称人类数学家已不再是地球上主要的定理证明实体，而 AI 证明虽经逻辑验证却跳过了数学家赖以为生的理解过程。
推荐理由：原文记录了数学界对 AI 证明定理的集体焦虑与分歧，读者可据此判断纯数学领域的激励结构将如何被改写。
The DecoderAI 评分6060 DeepMind 研究人员提出“人工共生智能”作为奇点替代方案
DeepMind 研究人员提出“人工共生智能”（Artificial Symbiotic Intelligence），主张智能是人与机器协作的社会现象，而非孤立机器个体的属性，以此挑战单一超级智能自我改进驱动的奇点叙事。
量子位AI 评分6464 Jev估值100亿美元，创始人Diogo Almeida详述可编程决策模型路线
量子位整理了TypeSafe AI联合创始人兼CEO Diogo Almeida的Latent Space访谈，Jev估值达100亿美元。他主张以机器原生、可编程的System-One决策内核取代聊天范式，强调可靠性而非跑分，并透露Jev日处理量已突破一万亿token，在第三方JevBench v1.2.1综合榜中Jev 1.13.0以75.3分排名第一。
MIT Technology Review · AIAI 评分4040 别被忽悠了：LLM 并不会推理
曾参与构建 AlphaGo 的作者指出，LLM 只是反复预测下一个 token，属于快速的直觉式系统，并不具备真正的推理能力。CoT 仍由同一个预测过程迭代生成，模型还常在事后编造推理路径，缺乏可检查的持久知识状态。他因此离开 Google DeepMind，主张借鉴 AlphaGo 的博弈树搜索架构，为 AI 建立可维护、可检验的推理机制。
Latent Space精选AI 评分6868 MIT Alex Zhang 谈 RLM：让 harness 成为组合泛化器
MIT博士生 Alex Zhang 在 Latent Space 访谈中解释 RLM（Recursive Language Model）：一种唯一工具是代码、模型可递归调用自身、上下文始终卸载到代码环境内存中的 harness 设计。
推荐理由：访谈给出了 RLM 作为 harness 设计的具体机制和组合泛化证据，读者可据此判断它与 Claude Code、Codex 这类轨迹即提示词框架的差异。
量子位精选AI 评分6666 OpenAI研究员Noam Brown最新访谈：数学只是多智能体时代的开胃菜
OpenAI研究员、o1核心作者Noam Brown在最新播客中表示，1万个Agent耗时88小时解出千禧年数学难题，多智能体最多只占10%功劳，核心在于模型本身足够强大。他透露当前多智能体测试规模最多仅16个Agent，并认为受限于实验串行与GPU等瓶颈，递归自我改进不会带来一夜之间的百倍智能爆炸。他还警告思维链可监测性正在下降，需在模型能执行长周期任务前尽快解决对齐问题。
推荐理由：OpenAI 推理负责人亲自拆解万 Agent 解题的能力归因，并给出对递归自我改进与对齐难题的内部判断。
傅盛AI 评分2222 傅盛：怎么避免“不知道自己不知道”？
傅盛结合与 GPT 用 Voice 聊天做项目的场景，分享了如何避免陷入“不知道自己不知道”的认知陷阱。他指出模型因基于语言概率生成内容而产生幻觉，大家正通过搜索、Agent、Harness 及评估器（如 Lean 证明系统）帮其判断对错。人也应给自己装一个评估器，在自信时反问“如果我是错的呢”，通过自我博弈不断纠错。