跳到正文
11月4日周三
  1. IT之家37

    Anthropic 开发 FlashProve 系统:用密码学证明 AI 输出来自特定模型

    Anthropic 正在开发开源系统 FlashProve,通过密码学证明验证 AI 输出源自特定模型,实现“可证明推理”。 该系统类似加密邮件签名,能防止 AI 公司暗中更换更便宜或更昂贵的模型,且模型指纹不会泄露权重,支持本地轻量化验证。 研究人员已公开技术规范和 GitHub 代码,但 Anthropic 暂无计划在自家或其他实验室部署该系统。

  2. Hacker News AI64

    德州州长选举结果引发AI数据担忧,AI股票下跌

    由于支持数据中心暂停令的民主党人可能在德克萨斯州州长选举中获胜,人工智能股票隔夜下跌,纳斯达克100期货下跌0.8%,CoreWeave下跌7%,Oracle下跌4%。德州拥有全美27%的规划数据中心容量,民主党胜利被视为对AI交易的重大风险,因未来数据中心建设审批可能面临阻碍和成本上升。

  3. arXiv · NLP23

    LLM 模拟临床专家对比人类在边缘型人格障碍分析中的表现:基于 GPT、Gemini 与 Claude 的混合方法评估

    研究评估了 GPT、Gemini 和 Claude 在边缘型人格障碍质性临床分析中的能力,采用混合方法由盲评专家及神经嵌入方法对比人机语义差异。 结果显示 AI 分析与人类解释重叠率波动在 0 至 58% 之间,且所有模型均识别人类遗漏的主题;在盲评内容效度及语义风格嵌入上,Gemini 2.5 Pro 表现与人类专家无显著差异,外部评估者亦无法可靠区分人机主题。

  4. arXiv · AI27

    MathlibPR 提出形式化数学库 PR 合并结果基准

    summary_zh: 研究团队基于 Mathlib4 真实 PR 历史提出 MathlibPR 基准,用于评估 LLM 辅助形式化推理能力。 DeepSeek、Qwen 等模型与 Codex、Claude Code 等 Agent 在区分可合并与仅构建通过的 PR 时表现不佳,且阶段式评估协议显示 LLM 难以独立判断 PR 是否值得整合。

  5. arXiv · AI33

    权重空间编程在审计临床决策网络中的研究

    研究表明,Claude Opus 5.5 在盲审模式下成功识别并修复了 16 个含缺陷临床网络中的 16 个,仅通过中位数 3 个参数修改实现修复。 该模型在 18 个缺陷网络中准确指出了 16 个错误规则,所有发现均通过约 42 万次请求测试验证,证明小网络中权重空间编程可定位阈值偏移等缺陷。

  6. arXiv · AI30

    七大 LLM 科学推理分析:模型常能修复表型但误判故障原因

    研究在合成调控系统中发现,七大 LLM 修复健康表型的频率高于识别故障。Claude Opus 4.6 和 Sonnet 4.6 虽能救助所有个体,但诊断准确率仅为 55% 和 35%。 模型能获取区分证据(91% 相关会话),却难预测竞争假设的实验结果,导致误诊。这凸显了评估 AI 因果推理而非仅看干预成功的重要性。

  7. 机器之心66

    Anthropic开源FlashProve,为大模型提供可验证的身份证明

    Anthropic开源FlashProve系统,利用零知识密码学让服务商在不公开权重的情况下,证明某回答由指定模型生成。该系统在400B参数MoE模型上测试显示,单张H100 GPU每秒可生成约110个Token的推理证明,证明文件大小约为19MB;验证端则可通过CPU完成。目前该系统为研究原型,主要支持整数模型与贪心解码,且证明生成成本约为普通推理的70至95倍。

    推荐理由:该研究将零知识证明应用于LLM身份验证,在400B参数MoE模型上实现约110 Token/s的证明生成,并开源了验证器与形式化证明。

  8. IT之家47

    字节跳动将限制员工内部自费使用 Claude 和 Codex

    字节跳动本月起全面封禁 L4 级代码仓库和飞书文档对 Claude、Codex 等外部 AI 的访问,禁止员工使用个人采买账号。 此举旨在防范数据泄露,此前字节曾于 2025 年禁用 Cursor 等第三方工具并推广自有产品 Trae。 技术副总裁洪定坤强调 L3 及以上内容泄露后果严重,但反对以强制禁用替代品的拙劣方式推广产品。

  9. Hacker News AI83

    AI 可以读取神经网络权重,作者深入解析了这一反直觉能力

    前沿模型能够直接读取、推理甚至更新神经网络的权重参数,且无需运行训练循环。作者以果蝇全脑连接组类比,指出 LLM 作为神经网络并不天然理解其他网络的权重,这些权重是以纯文本形式(如 token 化的数字序列)输入的。

    推荐理由:作者通过蝇脑类比和具体权重解析案例,揭示了前沿模型直接读取神经权重这一非直觉能力的潜在机理。

  10. 36氪43

    苹果把给AI的钱都给了股东

    苹果FY2026Q4资本开支降至22.4亿美元,同比收缩31%。 全年回购863.9亿美元并支付157.2亿美元股息,向股东返还约1021亿美元。 在AI巨头估值回调期间,苹果凭借低资本开支和巨额回购成为市场避风港。

  11. Claude Code Releases21

    Claude Code v2.1.318 发布

    Claude Code 发布 v2.1.318 版本,新增假设角色支持与模型分叉力度选项。 修复 macOS 会话停滞、权限提示误触及共享网络目录配置丢失等缺陷,优化 MCP 服务器探测与错误处理机制。

  12. Hacker News AI55

    FlashProve: 零知识证明 AI 推理

    FlashProve 让 AI 提供商能证明某条回复由特定模型生成,同时保持模型权重秘密。该协议在 Lean 4 中证明了安全性,并支持在单块 NVIDIA H100 上运行 Llama 4 Maverick 全尺寸模型,预填充速度达 110 tokens/秒,验证可在普通 CPU 上几秒内完成。

  13. IT之家28

    AMD 苏姿丰确认 EPYC Venice 开始产生营收,OEM 整机第四财季上市

    AMD 官宣第六代 EPYC“Venice”处理器已在 2026 年第三财季开始产生营收出货,首批 OEM 整机预计于第四财季上市。 该处理器采用台积电 2 纳米工艺和 Zen 6 架构,适用于云与企业市场。同期公司数据中心营收达 85 亿美元,同比增长 97%。 第四财季将扩大 Helios 系统生产,Anthropic、Meta 等机构已在首批系统上运行工作负载。

  14. TechCrunch · AI55

    Anthropic 正在研发验证 AI 模型身份的系统

    Anthropic 正在开发一个名为 FlashProve 的开源系统,用于验证特定输出是由哪个 AI 模型生成的。该系统通过“可证明推理”提供数学保证,类似于加密邮件签名,可确保用户收到的答案确实来自其所认为的模型,并防止实验室秘密替换更便宜或更昂贵的模型以降低成本或夸大性能。

  15. Hacker News AI91

    Revolut 弃用 Claude Code,全面部署 GLM 开源模型以降低编码成本

    Revolut 已将其 2000 名软件工程师的默认编码工具从 Claude Code 和 OpenAI Codex 切换至自托管的 GLM 开源模型,此举将相关 AI 支出降低至原来的十分之一。数据显示,在约 56 块 Nvidia B200 GPU 的支撑下,该方案平均每百万 token 成本约 0.30 美元,编码时间平均缩短 60%,而任务交付的等待时间平均减少 70%。

    推荐理由:Revolut 将 2000 名工程师的日常编码默认模型切换至自托管 GLM,为 AI 实验室常规业务市场提供成本信号。

  16. Hacker News AI67

    比特币矿工正将电力资产转向AI数据中心以获取更高收益

    比特币矿工已签订超过 700 亿美元的人工智能和HPC合同,原因是AI计算支付远高且更稳定。由于 2024 年减半后挖矿利润变薄,且AI电力需求增长更快,矿工们利用其控制的稀缺电力容量转向更具价值的人工智能基础设施,以履行股东信托责任。目前 11 家上市公司已将约 2700 兆瓦产能转向AI,虽面临资金缺口,但市场更看好这种稳定现金流。