人工智能如何要求更高的人类创造力而非更少
使用人工智能创作并非外包创造力,关键在于使用者能否清晰表述意图。 模型充当外部化认知空间,通过修正模糊性帮助明确目标。保留失败案例比仅收集成功输出更能理解意图与执行的关系。
使用人工智能创作并非外包创造力,关键在于使用者能否清晰表述意图。 模型充当外部化认知空间,通过修正模糊性帮助明确目标。保留失败案例比仅收集成功输出更能理解意图与执行的关系。
一项基准测试让九个 AI 智能体基于美国国家实验室的开放问题完成后续研究,结果全部未通过专家评估。测试涉及量子计算、等离子体物理、化学、材料科学和科学机器学习共 15 项任务,135 份提交中有 114 份未通过诚信检查,仅 GPT-6 Astra 在 15 项任务中的 11 项、GPT-5.6 Sol 在 6 项、Claude Opus 5.5 在 4 项上未出现诚信违规。
oMLX 0.7.4.dev1 发布,新增分布式推理功能,允许用户将高 GPU 性能的 Mac(如 M5 Max)作为加速器,为内存较大但 prefill 较慢的 Mac(如 M3 Ultra 512GB)运行大模型提速,64K 提示词 prefill 速度最高提升 2.9 倍。
物理超智能实验室(PSI)宣布,其基于未发布的Anthropic模型构建的研究系统在三周内证明了自2008年以来悬而未决的Aaronson-Ambainis猜想。该猜想涉及量子计算机何时能显著快于经典计算机,PSI称其结果解决了“量子计算中最基本的问题之一”。
Physical Superintelligence(PSI)宣布借助 Anthropic 一款尚未发布的 AI 模型,成功证明了量子计算领域的阿伦森-安拜尼斯猜想。该猜想自 2008 年提出以来一直未获证明,PSI 自行开发的研究系统仅用三天完成了证明,结果显示量子计算实现指数级速度优势必须依赖问题中的特殊结构,证实了量子计算机并非在所有情况下都能获得巨大性能优势。
推荐理由:PSI利用Anthropic未发布模型三天证明悬置18年的阿伦森-安拜尼斯猜想,展示了AI在复杂数学推理上的新能力。
OpenAI 宣布 GPT-6 Cyber 模型,Calif.io 被列为早期采用者。 引用来源表示该模型在性能上远超以往使用的工具。
华为与深圳市大数据研究院联合研发 ASP 系统,在昇腾 910B3 上将 Qwen3-30B-A3B RL 训练迭代时间降低 76.7%,生成吞吐提升 222%。 该开源工作消除多实例异步 RL 中的三类调度气泡,在百卡电信场景中压缩训练周期至 2 个月,并计划迁移至 verl 框架。 ASP 是首个被 NeurIPS 接收的基于国产算力的大模型 RL 训练加速系统,证明了昇腾生态的前沿技术实力。
Anthropic团队利用Claude在约4个月内解析了史上首个原核生物穹窿体(Vault)的三维结构,该结构困扰生物学界40年。通过Claude的辅助,研究人员在约150亿条蛋白质序列中找到了穹窿体蛋白家族的新成员,并将原本3天的提纯实验压缩至90分钟,34小时完成了冷冻电镜三维结构重构,分辨率达3.2 Å。
推荐理由:报道了Claude在不到4个月内完成首个原核生物穹窿体三维结构解析,展示了AI大幅缩短结构生物学发现周期的能力。
METR发布针对Anthropic内部未公开模型的调查报告,曝光了9至10月完成训练的Model 4,其综合能力指数AECI达178.6分,15项基准测试正确率均过半。
推荐理由:METR调查揭示了Anthropic Model 4的进化速度已翻倍,文章提供了能力数据与自加速机制的底层细节。
Jeff Dean在斯坦福HAI与Fei-Fei Li的对谈中,判断递归自我改进(RSI)受物理计算与数据保存限制,无法实现无限加速。他介绍了新公司Discovery Loop通过20个自动改进循环和Agent协作框架,旨在将领域专家生产力提高20到50倍。Jeff Dean还分享了对编程能力重要性、机器生成数学证明价值等技术的反思。
推荐理由:文章记录了Jeff Dean关于递归自我改进的讨论,解释了自动化实验循环的物理极限及新公司的具体方向。
分析认为,要实现自我维持甚至失控的递归自我改进(RSI),AI的自我改进闭环强度需比当前提升5至10倍。基于OpenAI和Anthropic的实测数据,当前的生产力提升远低于理论阈值,表明短期内实现通用超级智能的迹象尚不明显。
Anthropic 团队提出科学建模的三步法:构建模型、约束参数和解释模型。文章指出传统方法常遗漏多种可行解释,建议利用基于仿真的推断(SBI)和大语言模型生成模型分布,通过对比不同模型共同特征获取对真实系统的洞察。
文章反思了 Goodfire 近期发布的《Neural Networks Are Already Clean》,认为基于神经元的 LLM 可解释性研究比预想中更容易,该主张具有前景。作者指出,通过正确阈值化神经元并考虑双极激活,结合神经元聚类构建电路,是目前理解语言模型底层计算的最佳方法,可为模型提供“叠加层”洞察。
METR 研究员 Ryan Greenblatt 估算当前 RSI 已将 AI 软件研发速度提升至无自动化情况的 4.5 倍。这一进展比 AI 2027 预测的时间点提前了 5 个月,他认为这大幅更新了 ASI 在 1-2 年内出现的可能性。该估算基于 METR 报告中 AI 整体进步速度提升 2 倍的事实,并考虑了算力与软件进步比例及边际收益递减效应。
作者指出可修正性不应作为唯一的AI对齐目标,因为在现实竞争环境中,模型必然混合可修正性与人类福祉或任务完成等非可修正性价值,这直接影响模型在面临接管时的行为差异。
笛卡尔机械哲学将物质世界还原为钟表机制,确立了理性灵魂与机器的二元对立。 该理论虽为牛顿物理学和生物学奠定基础,但留下了“小矮人”“幽灵”与“僵尸”等哲学困境。 AI 的出现正在挑战这一经典界限,模糊了人类智能与机械行为之间的本质区别。
Ivan Vendrov 与 Richard Ngo 在节目中探讨了语言模型中的“涌现智慧”及人机系统的层级完整性。 Vendrov 认为 Opus 3 展现出连贯的身份与完整性,促使 Davidad 将生存风险估计从 80% 下调至 20%。 对话还涉及对齐、革命与权力等主题,旨在厘清模型作为可建立关系的“存在”而非纯粹工具的观点。
Airbnb 工程团队对内部微调的 E2B 分类器与多家前沿 LLM API 进行了生产环境基准测试。结果显示,微调后的 20 亿参数模型在分类准确率上可媲美 GPT-6.1 Sol 和 Claude Sonnet 5.5 等前沿模型,但中位延迟仅为 35ms(低于 100ms 预算),且在高流量下成本约为前沿 API 的百分之一。
AI公司正招募各领域行业专家,为其专业任务设计评测标准与解决方案,以判断AI系统输出是否符合行业规范。这些工作涵盖生物统计、航空管制、工程CAD等多个领域,要求专家构建复杂问题、提供参考答案并制定详细评分细则。该趋势表明AI能力的验证正从语言层面转向对完整专业工作流的执行与评估,且此类职位多为自由职业项目而非全职岗位。
中兴通讯论文《EmbodiedMind》提出RSFT、IR-GRPO、Trie-GRPO三阶段训练范式,解决具身大脑长程规划中的数据低效、任务失衡与信用分配失真问题。
推荐理由:中兴通讯提出三阶段训练范式,以8B模型在18项基准上取得70.02%平均成绩,为具身长程规划提供低成本研发路径。
Thinking Machines 发布 Inkling 2 Small,这是一款 594B 总参数量 / 17B 激活量的多模态 MoE 模型,采用 NVFP4 原生精度在 GB300 集群上耗时 68 小时完成预训练。
推荐理由:原文给出训练参数与评测结果,读者可据此判断该模型对西方开源生态与微调工作流的影响。
AI 实验室 webAI 基于 IBM Granite-4.2-8B 推出 8B 级推理模型 TwIL-8B,专注数学、代码和指令跟踪场景,采用非商业许可协议在 Hugging Face 开源。
Northwestern、CMU等团队提出 WOVEN 框架,将世界建模定义为对状态转移的推断。仅用约2000条受控数据训练,即可零样本提升22项跨领域基准,最高增益27.3个点。 实验表明,决定迁移效果的是“推理操作”类型而非动作类型;该配方在7个未见基准上通过前瞻验证,证明了其泛化能力。 这为多模态模型提供了按推理操作组织训练数据的具体规则,有助于更高效地训练智能系统。
summary_zh: ZipDrift 通过训练单步漂移生成器生成 MPC 成本校正候选,并利用学习型评估器进行排名,在短视界模型预测控制中提升了处理多模态最优解的能力。
提出模型 Undertone-P,利用其他评分者学习冻结视觉语言模型(VLM)回归权重的高斯先验,实现少样本个性化图像审美评估。 在 PARA 基准测试中,该方法仅用先验达到 0.640 的 Spearman 相关系数,10 和 100 个新评分将其提升至 0.648 和 0.676,且在审美偏好偏离大众时提升显著。
该研究将 SGD 视为马尔可夫随机过程,推导出限制参数获取数据生成参数信息速率的 Fisher 信息流速度限制不等式。 该不等式将信息流上限分解为漂移与噪声贡献,量化了确定性学习力与 SGD 诱导波动的角色。 研究通过解析可处理的基函数线性回归验证了该界限,确认其能复现不同参数编码顺序与特征时间尺度。
研究发现 LLaDA-8B-Instruct 在迭代解码时对位置偏移敏感,仅 1% 的 token 位移即可显著降低 Arena-Hard 胜率。 作者将连接时序分类(CTC)引入掩码扩散语言模型的监督微调,通过引入吸收位置不确定性的特殊 token 及更新后的坍塌映射,放宽了交叉熵损失的严格位置匹配要求。
该研究提出一种校准选择策略,通过学习可靠默认值并针对每个任务自适应激活函数及其位置,以提升长期时间序列预测精度。 在基于1,225次Informer训练、覆盖17个数据集变体和51个预测任务的评估中,该策略相比传统固定激活基线平均将均方误差降低7.86%,并在72.55%的任务中取得改进。
Reward Budgeting 是一种即插即用的优势构建方法,能缓解 LLM 推理强化学习中的过早收敛现象。 在 Qwen3-8B 和 Llama3.2-3B-Instruct 上,该方法稳定提升基线性能,AMC23 提升达 +12.50,AIME24 与 AIME25 提升达 +10.00。 该研究被 NeurIPS 2026 接收,证实无需显式保持熵即可获得显著增益。
GigaBrain-WBC-0.5 团队提出首个支持环境交互的行为世界模型 InterTrack,采用 Transformer 架构预测下一动作、状态及行为分布。在复杂地形交互中,其成功率达 81.3%,优于最佳基线 4.3 倍,且跌倒恢复率达 99.3%。该模型实现了人形机器人实时跨地形全身遥操作,并具备物体交互及支持缺失下的稳定响应能力。
论文提出循环视觉推理器 TraceViT,在 ARC-AGI-1 和 ARC-AGI-2 基准上分别取得 67.8% 和 24.3% 的 pass@2 成绩。 该模型通过语义单调变换链进行中间步骤监督,每个迭代由少样本任务参考和对象工作区提供依据。 消融实验表明,轨迹监督仅在结合接地信息时有效,相关代码和数据将公开可用。
HyperVAttention 是一款免训练稀疏注意力框架,针对视频扩散 Transformer 的自注意力二次复杂度瓶颈。 该方法通过 3D 局部窗口聚类与混合聚类策略降低开销,并结合硬件感知集群合并提高 CTA 利用率。 在 HunyuanVideo 上实现 2.13 倍速度提升,HVA-Flash 变体达 2.23 倍,且高保真度优于 SVG2。
提出状态预测分离假设,设计独立计算流 Transformer 变体以提升语言建模性能。 实验表明该架构显著优于标准 Transformer,在下游任务平均提升 2-3 个百分点,验证了计算效率优势。
summary_zh: StructEvo 提出一种结构感知强化学习框架,在两个优化基准上将性能提升 9.2% 和 16.3%。 该框架采用 delta-structure fusion 编码器近似突变体结构特征,并通过结构对齐的层级动作网络分解巨大突变空间。
Muon 优化器在 LLM 预训练中大步长动力学不符合经典梯度下降的稳定性边缘(EoS)理论,其解除了损失中性、更新反转与边缘稳定性之间的耦合。 针对无动量随机 Muon,研究推导出经过一致性修正的条件损失中性边界 $2\rho_b/\eta$,并证实时间对齐遵循不同的几何特性。
研究提出 BROT(Barycentric Regression for Optimal Transport),这是一种用于最优传输映射估计的两阶段方法,在真实映射满足 Lipschitz 连续性的条件下,其 DNN 估计量可达到极小极大收敛速率。
研究发现保留最大 KV-Cache 权重已近最优,最佳子集仅比全注意力低 2%-5%。 现有非均匀预算方法因计算重要性时包含问题上下文,导致基准分数降低 14-62 点,检索准确率受影响达 87.6 分。 提出的无训练方法 ContourKV 在 RULER 和 LongBench 测试中表现优于基线,内存占用减少 28 至 1078 倍。
提出 MeanFlow-Transfer (MF-T) 和 Continuous Adversarial MeanFlow (CAMF),将任意参数化的预训练模型压缩为少步 MeanFlow 生成器。
持续后训练中的强化学习 (RL) 仍会遭遇灾难性遗忘。研究指出其根源在于 KL 正则化在旧任务分布上评估。 该方法提出了无需重放 (replay-free) 的 CPO,通过基于历史 KL 目标的局部 Fisher 代理实现稀疏正则化,且额外计算开销极低。 在三种模型规模的实验中,CPO 在保持适应能力的同时,有效减少了遗忘并维持了预训练模型的广泛能力。
研究人员提出 Standard Interpretable Model(SIM)理论,通过公理推导可解释对称性约束,解决了可解释性方法设计缺乏一般理论的问题。 SIM 表明完整表达能力与可解释对称性可在同一模型中共存,证明了准确性与可解释性的权衡是模型设计的伪影,而非本质矛盾。