数学家呼吁抵制 OpenAI,AI 生成证明涌入数学界
数学家团体 AHM 发表声明,呼吁抵制 OpenAI,称其一次性发布 700 多个文件是展示力量而非学术贡献,并指其违背了 AGMAI 咨询小组关于不应在内部模型上测试高深数学问题的前提。
推荐理由:围绕 AI 批量产出数学证明引发的抵制与两种发布模式对比,呈现学界对研究节奏与署名规则的分歧。
内容形态
值得读的 AI 论文与研究成果:架构创新、训练方法、能力测量与理论进展的精选解读。
6 条精选近 30 天 5 条共收录 14 条
数学家团体 AHM 发表声明,呼吁抵制 OpenAI,称其一次性发布 700 多个文件是展示力量而非学术贡献,并指其违背了 AGMAI 咨询小组关于不应在内部模型上测试高深数学问题的前提。
推荐理由:围绕 AI 批量产出数学证明引发的抵制与两种发布模式对比,呈现学界对研究节奏与署名规则的分歧。
OpenAI 从一个未公开的内部前沿模型发布 722 篇数学手稿,归入 372 个相关结果族,来自约 4000 道研究问题的评测,平均每个结果消耗约 3 小时 ChatGPT Pro 推理算力,模型本身仍未发布。
推荐理由:汇总 OpenAI 数学成果、Mistral Large 4 与 EmbeddingGemma 2 等发布,可快速了解当日模型与评测争议。
GitHub 发布 ReviewBench,一个面向 AI 代码审查智能体的开放离线基准,基于 1.039 亿个 GitHub pull request 的分布构建,包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由:GitHub 公开了代码审查基准的构建方法与离线在线信号对照数据,可据此判断评测结果能否预判线上表现。
Google DeepMind 推出 SynthID Bio,将水印技术引入合成生物学,把不可感知的签名直接嵌入生物代码,使水印不仅能在数字模型上验证,也能在合成出的实体蛋白质上验证,同时保持其生物功能。
推荐理由:SynthID 水印技术首次延伸到合成生物学,读者可了解 AI 生成蛋白质如何在保持功能的前提下被标记与验证。
微软研究院对移动操作机器人工作负载做了系统性测量,发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU,可提升任务成功率、支持更大模型并延长电池续航。
推荐理由:微软研究院系统测量了机器人端侧推理的瓶颈,并给出可复用的卸载工具链,读者可据此判断物理 AI 的部署取舍。
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX,通过结构化的 CUDA 到 MLX 翻译层,让已有 CUDA 内核成为知识库并适配为 Apple Silicon 内核。
推荐理由:K-Search 把 CUDA 内核优化经验迁移到 Apple Silicon,读者可看到跨平台内核迁移的具体方法与实测数据。