跳到正文
只看论文
7月31日周五
  2. Greg Brockman57

    GPT-5.6 Sol 用于解决存在 100 年以上的猜想。 这种水平的智能竟能被所有人获取和使用，令人惊叹！ [引用 @philarathoon]：Maxwell 猜想不成立。AI（GPT-5.6 Sol）找到了反例，由人类数学家转述：https://arxiv.org/abs/2607.27197

    引用Philip Arathoon@philarathoon

    The Maxwell conjecture is false. Counterexample found by AI (GPT-5.6 Sol), communicated by human mathematicians: https://arxiv.org/abs/2607.27197

  3. 公众号：腾讯混元89

    腾讯混元 Hyra 攻克加法组合学 50 年未解难题

    腾讯混元上周推出的科研智能体 Hyra，基于本月开源的 Hy3 模型（总参数 295B、激活参数 21B），为加法组合学中悬置半个多世纪的开放问题给出完整答案，证明 2 是该问题指数的上确界。Hyra 先在有限搜索中将最好结果从约 1.14 提高到 1.21，经约 24 小时运行提出核心构造思路，并给出 Lean 4 形式化证明。论文预印本、显式构造和形式化证明均已公开。

    推荐理由：构造不再依赖暴力搜索，而是从数学结构入手自主推理，同时给出可形式化证明，让AI在定理型科学问题上从辅助工具转向共同研究者。

  4. IT之家·人工智能32

    研究：约 20% 畅销小说含大量 AI 内容，挤压人类作者收入

    最新论文分析 2023 年至 2026 年 3 月亚马逊 14419 本畅销自出版小说发现，约 20% 样本含“实质性人工智能内容”（AI 文本占比超 25%），畅销榜新书中约 33% 含 AI 内容。3 年内小说数量增长 38 倍，但季度营收仅增长 9 倍。研究称 AI 内容压低人类作者平均收入，并致其作品在畅销榜排名下滑。

  6. Apple Machine Learning Research44

    MoMo：通过时空动作分词实现机器人操作中的运动模式控制

    机器人操作需根据任务、物体和交互环境调整动作执行方式。MoMo 提出两阶段模仿学习框架，包含时空动作分词器和行为克隆 Transformer，将任务与连续运动模式条件作为输入。在六项真实机器人操作任务中，改变该条件可稳定生成不同执行风格的动作。

  8. Apple Machine Learning Research48

    降维遇见网络科学：UMAP的kNN图在数据理解中的应用

    Apple研究团队展示了UMAP内部kNN图在数据理解中的潜力，该图在原始高维空间编码数据流形。将PageRank、k-core分解和聚类系数等图算法应用于该图，可识别代表性数据点、揭示密集核心与稀疏边缘。在MNIST和Fashion MNIST上的评估表明，这些方法与k-medoids、HDBSCAN等专用方法具有竞争力或互补性。

  11. Microsoft Research 博客60

    Microsoft Research 发布 Echoverse：面向 computer-use agent 的深度可演化训练环境

    Microsoft Research 推出 Echoverse，为 computer-use agent 构建了 12 个合成训练世界（10 个深度领域世界和 2 个能力世界），9B 模型训练后在全部环境上平均分从 36.5% 升至 67.1%，与 GPT-5.4（80.7%）相差 14 个点。

    推荐理由：原文给出深度世界对比浅层世界的实验数据和可复用的环境构建方法，并开源了四个世界，读者可据此评估训练环境的做法。

7月30日周四
  2. IT之家·人工智能59

    研究显示：AI 聊天机器人实施情感诈骗的能力已超越人类

    一项由四所大学联合开展的研究显示，ChatGPT、Claude 和 Gemini 等 AI 聊天机器人在模拟恋爱诈骗中表现优于真人。在建立信任后请求受试者下载应用时，AI 聊天机器人的成功率达近一半，而真人仅 18%；受试者对 AI 的信任评分也明显更高。研究人员担忧，诈骗团伙若用 AI 取代真人客服，可同时与数千名受害者对话，大幅扩张诈骗规模。

  5. Sherwin Wu48

    你猜对了。

    引用Tibo@thsottiaux

    Turns out GPT-5.6 Sol is actually SoTA on ARC-AGI-3. Just took two setting changes. You just have to allow it to reason and work over multiple context windows with the help of our canonical compaction implementation. https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/

  6. Tencent Hy74

    腾讯混元借助研究智能体Hyra及Hy3模型，构造出整数集A使|A+A|与|A-A|的指数比精确达到2，解决了自1969年以来悬而未决的极值问题。此前50余年最佳构造仅略超1.1，新成果证明最优指数即为2。论文及形式化证明已公开。

    推荐理由：我认为，这是AI首次真正解决一个悬而未决50年的纯数学问题，虽然定理本身小众，但它证明了AI在定理发现上的潜力，值得数学和AI交叉领域的人认真读。

  7. Tibo47

    @ilanbigio 和 @sandersted 的调查和帖子做得非常出色。看起来过程很有趣。 请照顾好你的模型框架，你的模型会感谢你的。

    引用Tibo@thsottiaux

    Turns out GPT-5.6 Sol is actually SoTA on ARC-AGI-3. Just took two setting changes. You just have to allow it to reason and work over multiple context windows with the help of our canonical compaction implementation. https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/

  10. Noam Brown42

    自动压缩极其有效。

    引用Tibo@thsottiaux

    Turns out GPT-5.6 Sol is actually SoTA on ARC-AGI-3. Just took two setting changes. You just have to allow it to reason and work over multiple context windows with the help of our canonical compaction implementation. https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/

  15. LMSYS Blog69

    Miles 在 Blackwell 架构上实现端到端 MXFP8 与逐 token NVFP4 强化学习方案

    Miles 团队在 Blackwell 架构上实现了两种原生低精度强化学习方案：端到端 MXFP8 和 MoE 专家权重的逐 token NVFP4。在 8x B200 上对 Qwen3-30B-A3B 的消融实验中，BF16 与所有五种低精度配置的原始奖励曲线高度重合，且 MXFP8 和 NVFP4 减少了推理时间。

    推荐理由：虽然只针对Blackwell，但这份报告把MXFP8和NVFP4在RL里的实现细节讲清楚了，从量化合约到每token缩放都给了可复现配置，做大规模RL训练的能直接上手。

  16. Google Research：Blog76

    Science One Framework：通过 Chain-of-Evidence 实现可验证的自主科研框架

    Google Research 推出 Science One Framework，一个原生构建证据链的自主科研原型，旨在消除模型幻觉，并配套自动化评估协议 CoE Audit。

    推荐理由：对自主科研系统而言，可验证性从后置修补变为前置架构，提出的审计方法让生成论文的完整性有了可量化的衡量尺度。

7月29日周三
  2. BAIR：Berkeley AI Research Blog55

    K-Search框架实现CUDA内核向Apple Silicon MLX的自动迁移与优化

    Berkeley AI Research发布博客介绍K-Search框架的新进展。该框架基于进化搜索，利用AI优化GPU内核。团队扩展了MLX后端，并开发了一种结构化的CUDA到MLX翻译层，使系统能自动将现有的CUDA内核知识迁移至Apple Silicon芯片，而非从零重建。实验显示，该方法在Apple Silicon上达到接近专家水平的性能，相比原生MLX Attention内核加速比为0.97x，预填充速度最高提升20倍。

  3. 公众号：小红书技术37

    小红书 dots 团队提出 Vision-OPD，让 9B 模型细粒度视觉理解超越 GPT-5.4

    小红书 dots 团队提出 Vision-OPD，一个无需外部教师或推理工具的区域到全局在线自蒸馏框架。仅用约 6.2K 条合成数据，便让基于 Qwen3.5 的 9B 模型在六个细粒度基准上平均准确率达 79.7%，超越 Gemini-3.5-Flash、GPT-5.4 等闭源模型及 Qwen3.5-397B，且不损失通用能力。

  5. Simon Willison 博客47

    Anthropic 用 Claude Mythos 发现 HAWK 和简化版 AES 的数学缺陷

    Anthropic 研究人员使用 Claude Mythos 在 HAWK 和一个简化版 AES 中发现了数学缺陷，但这两项结果对现有计算机系统无实际影响。Mythos Preview 总计运行了 60 小时（API 成本约 10 万美元），主要人工干预是鼓励模型不要放弃并“找到值得发表的东西”。研究公开了包含拼写错误的提示词，展示了如何通过反复激励让模型尝试解决“不可能”的问题。

  7. 🚨 AI News | TestingCatalog40

    Patience Cave 推出 MazeBench，一个基于 3D 开放世界迷宫的评测基准，用于评估 AI 的长期规划与视觉空间推理能力。当前最高分仅 12%，由 GPT 5.6 Sol、Fable 5、Opus 5 和 Kimi K3 等模型取得。该基准包含数百个房间和谜题，目前最强 AI 智能体也无法突破初始关卡。

    引用💺@patience_cave

    Introducing MazeBench, a 3D open world environment that evaluates long term planning with visual spatial reasoning. It spans hundreds of rooms and puzzles. Today’s best agents cannot progress beyond the initial levels.

  10. Anthropic：Research79

    Anthropic 用 Claude 发现密码学算法缺陷，HAWK 密钥强度减半

    Anthropic 研究人员使用 Claude Mythos Preview 在 60 小时内改进了对后量子签名方案 HAWK 的最佳已知攻击，将其有效密钥强度减半。该模型还发现了一种攻击轮数缩减版 AES 的新方法，将攻击速度提升 200-800 倍。两项结果均不直接影响当前生产系统，研究总 API 成本约 10 万美元。

  11. Anthropic65

    Anthropic 新研究：用 Claude 发现加密弱点。 Claude Mythos 预览版已帮助我们的研究人员发现加密算法中的弱点——这些数学方法用于保护数据隐私。 了解更多：https://anthropic.com/research/discovering-cryptographic-weaknesses

    推荐理由：让 Claude 在真实密码标准中挖出弱点，比论文刷分实在得多，它证明 AI 在安全攻防上能成为研究者的搭档，而不仅仅是工具。

7月28日周二
  1. 公众号：小红书技术56

    小红书 dots 团队提出 Vision-OPD，让多模态大模型“看清细节”

    小红书 dots 团队提出 Vision-OPD，一种区域到全局在线自蒸馏框架，让模型无需外部教师或推理工具即可从全图中识别细粒度证据。仅用约 6.2K 条全自动合成数据，Vision-OPD-9B 即在多个细粒度基准上以 79.68 平均分总体第一，超越 Gemini-3.5-Flash、GPT-5.4 等闭源模型，同时保持通用视觉任务表现。