Yeekal Logo Yeekal
3,165 字
早报 | MORNING 2026-11-21

数学家称 Claude 证明黎曼猜想,OpenAI 多 Agent 分析脑数据

今日要点
  • Anthropic 数学家称 Claude 证明黎曼猜想,公开 Lean 文件
  • OpenAI 数千 GPT-Rosalind Agent 32 分钟分析小鼠脑数据
  • Thinking Machines 开源 26B Inkling 2 Mini,32GB Mac 可运行
上一期 · 2026-11-20 已是最新一期
Anthropic 数学家称与 Claude 发现黎曼猜想及广义黎曼猜想证明,并公开 Lean 形式化文件;OpenAI 称数千 GPT-Rosalind Agent 32 分钟连接数百万小鼠脑细胞数据与文献;Thinking Machines 开源 26B Inkling 2 Mini,32GB Mac 可运行。

1️⃣ Anthropic 数学家称 Claude 证明黎曼猜想,Lean 形式化文件已公开#

  • 声明内容:Anthropic 数学家 Levent Alpöge 发布 4 页说明,称与 Claude 发现黎曼猜想及广义黎曼猜想的证明,方法可扩展至扩展黎曼猜想,并称已用 Lean 完成无假设形式化。
  • 争议与并行:Scientific American 报道后,Gary Marcus 等转发质疑,指 Claude 生成的写作文稿达 25 万页,Alpöge 未发布 PDF,而是提供 14 个分割的 tar.gz Lean 文件;同期另有数学家 Alessandro Masullo 宣布纯人类证明。
  • 行业观察:a16z 讨论指出,AI 可推进数学发现前沿,但将证明转化为人类可理解的解释仍是瓶颈;Latent Space 则借此梳理 Lean 与形式化验证公司在 AI 代码校验中的角色。 🔗 Scientific American 报道 | Alpöge 说明 | Simon Willison 摘录 | 质疑推文 | a16z 讨论

2️⃣ OpenAI 用数千个 GPT-Rosalind Agent 分析小鼠脑数据,提出神经退行疾病新机制#

  • 研究结论:OpenAI 称 GPT-Rosalind 在 Perry 综合征相关基因 DCTN1 的小鼠脑数据中,发现扰动该基因会增加胆固醇合成相关基因表达,并提出胆固醇可能未到达神经元所需位置的机制假设。
  • 执行规模:与 PerturbAI、Scripps Research 合作,数千个 GPT-Rosalind Agent 并行工作,32 分钟内将数百万小鼠脑细胞的基因表达结果与科学文献连接。
  • 后续计划:OpenAI 表示正扩大该合作,以识别新的药物靶点;该案例展示了多 Agent 并行处理复杂生物数据的路径。 🔗 OpenAI 研究 | OpenAI 推文

3️⃣ Isomorphic Labs 与默克 MSD 合作设计新抗癌药物#

  • 合作内容:Isomorphic Labs 与 MSD 达成战略研究合作,结合 Isomorphic 的前沿 AI 能力与 MSD 的药物发现、开发与制造经验,共同设计新抗癌药物。
  • 高管表态:Demis Hassabis 称这是 Isomorphic 重新想象药物发现的重要 proof point。
  • 行业意义:继此前大额融资后,AI 制药公司开始与大型药企进入具体药物设计合作,合作重心从平台叙事转向管线与靶点。 🔗 Isomorphic Labs 公告 | Hassabis 推文

4️⃣ ChatGPT Space 向 Plus 用户开放,支持页面、幻灯片与站点协作#

  • 产品形态:ChatGPT 侧边栏新增 Space,作为页面、幻灯片、图片、文件和上传内容的容器;用户可写作、研究、生成图片,并用交互图表呈现数据。
  • 协作与更新:用户可邀请他人共同编辑页面和幻灯片,也可将页面与幻灯片设为从连接工具自动更新;Plus 用户现可使用,并新增移动端编辑。
  • 使用场景:官方列出周报转图表幻灯片、Slack 与 GitHub 更新汇总为构建日志、项目追踪与行程计划等场景。 🔗 ChatGPT 公告 | 功能页 | 使用场景

5️⃣ Arena 发布 Agent Arena Index,Claude Fable 5.2 以 1463 分居首#

  • 新指数:Arena 推出 Agent Arena Index,综合任务完成、赞与投诉、Bash 可靠性、可引导性四个信号,衡量 Agent 在真实任务中的表现。
  • 首批排名:Claude Fable 5.2(Max)以 1463 分居首,Gemini 4 Carbon(High)1307 分、GPT-6 Astra(Max)1274 分、Muse Wonder Full(Max)1200 分、Qwen4-Max(xHigh)1191 分。
  • 对齐维度:Arena 同时更新 Alignment Index,OpenAI 占据前七,Claude Fable 5.2 第 8;Kimi K3.1 Pro 第 9,为最佳开源模型,其越权行为、欺骗性完成、错误归因三类失范比例均显著下降。 🔗 Agent Arena Index | Alignment Index 更新 | Kimi K3.1 数据

6️⃣ Hugging Face 自建 CDN:月出流量近 1EB,约 420GB/s#

  • 规模数据:Hugging Face 自今年夏天运行自有 CDN,月传输近 1EB,约合每秒 420GB,承载 8 万请求每秒。
  • 重构原因:传统 CDN 面向大量小网页文件设计;AI 下载是少量超大文件,且很大部分由机器与云区域 GPU 集群拉取,缓存一个 1000GB 模型只能服务少数客户端,但每个客户端都要求全量、立即下载。
  • 架构调整:Hugging Face 构建了适配大对象的缓存,以应对模型发布日洪峰与多个大型数据集、热门模型同时被拉取的情况,并上线实时流量地图。 🔗 Thomas Wolf 推文 | 实时地图 | Julien Chaumond

7️⃣ Thinking Machines 开源 Inkling 2 Mini:26B 参数,可在本地运行#

  • 模型规格:Inkling 2 Mini 为 26B 参数的 looped transformer,每个 token 的中间层循环三次,激活参数 5.4B,AA Index 得分 20.1。
  • 部署与定位:模型以 Apache 2.0 开源;Ollama 0.40.17 预发布已支持,32GB 以上内存的 Mac 可本地运行。官方定位包括编码、computer use、设计与金融任务。
  • 生态反馈:Hugging Face CEO Clem Delangue 称其达到开源 Agent 模型的帕累托前沿;Julien Chaumond 演示了用 llama.cpp 加载其 IQ4_NL 量化版本。 🔗 Thinking Machines 公告 | Ollama 支持 | Hugging Face CEO

8️⃣ NVIDIA WorldTrace 提升世界模型场景记忆,LoopBench 提升 32%#

  • 研究目标:NVIDIA Research 提出 WorldTrace,旨在让交互视频世界模型无需重训练即可记住场景,提升用户离开再返回同一地点时的空间一致性。
  • 评测结果:在用于场景回忆的 LoopBench 上,WorldTrace 对重访场景的回忆能力比标准滑动窗口方法提升 32%。
  • 发表信息:该工作为 NeurIPS 2026 论文,指向世界模型从短时生成走向可回溯、长时交互的方向。 🔗 NVIDIA 推文 | 论文链接

9️⃣ AWS 发布 Textract Insights:自然语言抽取文档字段并带页码溯源#

  • 产品能力:Amazon Textract Insights 正式可用,用户用自然语言描述所需字段,提交单文档或混合多文档包,即可获得结构化结果;每个值带置信度、页码与坐标溯源,无需模型训练。
  • 处理范围:支持最多 3000 页混合文档包,自动拆分并匹配 blueprint;支持 PDF、PNG、JPEG、TIFF,覆盖英语、法语、德语、意大利语、葡萄牙语、西班牙语,按页计费。
  • 行业意义:文档 AI 从纯 OCR 或通用 LLM 的流畅回答,转向可审计的置信度与来源定位,面向金融、保险、医疗等需要复核的场景。 🔗 AWS 博客

🔟 OpenAI 发布对抗蒸馏研究:检测并阻断有组织模型能力复制#

  • 研究结论:OpenAI 称蒸馏可以复制强大 AI 能力,但可能绕过围绕原模型建立的安全措施;研究分享了这些能力如何迁移,以及如何检测和阻断有组织的蒸馏尝试。
  • 安全含义:该工作将模型安全边界从权重保护扩展到 API 行为监测、异常调用模式识别与行业协作。
  • 行业背景:随着前沿模型能力提升,通过大量查询复制模型行为的成本与可行性成为模型提供商关注点。 🔗 OpenAI 研究 | OpenAI 推文

🟧 Hacker News 热议#

Inkling 2 Mini#

555 pts · 93 comments · thinkingmachines.ai

📌 内容总结

  • 背景 / 作者意图:Thinking Machines 发布开放权重小模型 Inkling 2 Mini,目标是在笔记本、本地设备上运行,同时用 looped transformer 提升 agentic coding 与推理效率。
  • 关键要点:
    • 架构为 24 层、4 个 6 层 block;中间两个 block 循环 3 次,每 token 实际执行 48 层。MoE 为 26.4B 总参数、3.4B 激活、5.4B 权重激活。
    • 大部分权重以 NVFP4 原生训练和部署,末 4 层为 MXFP8,部署精度与训练精度一致;总内存约 20GB,可在 32GB Mac 上通过 Ollama 运行。
    • 训练中途裁掉三分之二 experts(384→128),再用 1T token 蒸馏“修复”;之后 RL 2.2T token、2000 步。
    • 宣称在 <100B 开放权重模型中领先:DeepSWE v1.1 48.2%、Vals Index v2.2 46.5%、SWE-bench Pro v2 Hard 77.9%、SWE-bench Verified 79.2%。
    • 循环主要提升多跳、长上下文和串行推理;闭卷事实 QA 基本不随循环次数提升,知识容量仍受总参数限制。
    • 监控性实验:变量循环模型 no-CoT time horizon 从 1 pass 的 16 秒升至 3 pass 的 37 秒;5 pass 的 CoT 更短但仍可读;未观察到 agentic sabotage 随循环上升。
  • 实际限制:多轮聊天和多重约束不是强项,MultiChallenge 50.0%、ComplexConstraints 33.4%,落后 Qwen3.8-27B;CritPt v2、HLE-Diamond 落后更大模型。
  • HN 关注点(评论数据缺失):无法判断社区实际聚焦于 looped 架构、本地部署、benchmark 可信度还是可监控性。

💬 讨论总结

  • 输入中的 top_comments 为空,无法提炼共识、支持/质疑理由或工程经验;不根据 93 条评论计数推测社区观点。

🔗 原文 · HN 讨论页

Language Models Can Rewrite Their Own Weights#

320 pts · 106 comments · arxiv.org

📌 内容总结

  • 背景 / 作者意图:论文提出 “self-rewriting”:模型不依赖梯度或再训练,而是根据自身权重、带评分答案和自运行能力诊断失败并改写权重,定位为训练与推理之间的第三条路。
  • 关键要点:
    • 一个开放 27B 模型通过一次自我编辑,在未见题上提升 6.6 个百分点;在练习问题上测试修改,只提交有效编辑,连续 8 次会话准确率上升。
    • 损坏副本几乎无法解题;模型在不重训、不读取原始权重的情况下,将其修复到原准确率 80% 以上(图像任务,未见数据)。
    • 能力随规模出现:同一模型家族中较小模型无法编辑或会弄坏自己,最大模型可提升并修复。
    • 机制边界:只跑 forward passes,类似 serving;收益写入权重,因此没有按答案计费的推理开销。
  • 实际结论 / 限制:摘要宣称首次实现,但未给出方法细节、评测规模、复现条件和失败率;“递归自我改进”是作者外推,不是摘要已证明的完整结论。
  • HN 关注点(评论数据缺失):无法判断社区是质疑评测/可复现性、关注权重自修改的安全风险,还是讨论训练与推理边界。

💬 讨论总结

  • 评论树为空,无法归纳社区支持与质疑;不将论文自述当作 HN 共识。

🔗 原文 · HN 讨论页

Show HN: OpenComputer – an open source alternative to Devin#

50 pts · 14 comments · github.com

📌 内容总结

  • 作者想做什么:做一个开源自托管 Devin 替代品:在 Slack 线程中 @Computer 下任务,agent 在独立计算机上工作,团队可观看和干预,结果以 PR 交付;可跑在自有云或 OpenComputer Cloud。
  • 技术实现:
    • 单 VM 运行网关 Calvin,监听 Slack 事件,按配置启动 Claude Code、Codex 或 OpenCode 会话;每个会话用 rootless Podman 隔离。
    • 状态先写 VM 本地磁盘,再持久化到 git-backed store;VM 建议仅开放出站网络。
    • 控制面在 Cloudflare Workers / Durable Objects,VM 通过 WebSocket 外联;后续支持 Fly 等平台。
  • 产品设计:提供 Cloud 快速试用、AWS/GCP/Azure 自托管、3 天免费 600 工作分钟、可自带 ChatGPT/Codex 订阅;Apache 2.0。
  • 性能声明:自报 4 个 PR 且 CI 绿的完成时间 56s vs Devin 185s(3.3x);首次 push 24s vs 四款云 agent 平均 62s;与本地 Claude Code 对比 32.0s vs 36.2s。基准规模小,自测属性明显。
  • 限制 / 现实约束:依赖第三方 coding agent/模型与 Cloudflare 控制面;单 VM 架构、出站-only 安全模型;“开源自托管”仍需外部云组件。
  • 用户反馈焦点(评论数据缺失):无法判断 Show HN 评论集中在自托管复杂度、安全隔离、基准公平性,还是与 Devin 的价格和体验对比。

💬 讨论总结

  • 输入中的 top_comments 为空,无法提炼用户反馈、支持或质疑;14 条评论计数不足以推断内容。

🔗 原文 · HN 讨论页

1,928 字
晚报 | EVENING 2026-11-21

黎曼猜想双证明出炉,Perplexity 考虑切换 Neon 默认

今日要点
  • Claude 辅助黎曼猜想证明公开,Lean 代码仍在编译
  • 数学家同日发布 940 页纯人工证明,两份结果均未独立确认
  • Perplexity CEO 称 Neon 或优于 Opus 5.5,考虑切换默认
Anthropic 数学家 Levent Alpöge 公开 Claude 辅助的黎曼猜想 Lean 证明,同日数学家 Alessandro Masullo 发布约 940 页纯人工证明;Perplexity CEO 称 Gemini 4 Neon 表现可能优于 Opus 5.5,考虑按留存数据切换默认模型。

1️⃣ [持续跟踪] 黎曼猜想同日出现两份独立证明:Claude 辅助版待编译,人工版 940 页#

  • 前情提要:Anthropic 数学家 Levent Alpöge 昨日发布 4 页说明,称与 Claude 合作证明黎曼猜想及广义黎曼猜想,公开 14 个 Lean 文件压缩包(约 25 万页等效),但尚未独立验证。
  • 最新突破:数学家 Alessandro Masullo 同日发布约 940 页纯人工证明,称已秘密人工评审 12 年;Elliot Glazer 确认 Alpöge 的 Lean 形式化陈述为 GRH,Lean bug 概率低于 1%,代码仍在编译。
  • 学界回应:陶哲轩称需时间理解这份大规模 Lean 证明,但至少可与人类作者沟通协助;Gary Marcus 指出 AI 并未独立完成,Lean 符号系统与人类两个月的参与不可或缺。
  • 市场反应:ANT 股票当日跌约 10%;两份证明均未获独立确认,AI 版可能正确但不可读,人工版可读但技术细节待核。
  • 开放问题:所用 Claude 模型版本与人类引导程度尚未披露。 🔗 Alpöge 说明 | Masullo 证明 | Scientific American | Latent Space 分析

2️⃣ 机器人 Agent 实测:RoboWild 最强仅 13.3%,GPT-6.2 登顶另一榜单#

  • RoboWild 基准:XLANG 实验室发布 38 个真实场景、4480 个可操作物体、341 项任务、4 种机器人本体的基准,Claude Fable 5.2 最高准确率 13.3%,GPT-6 Astra 为 11.6%,无模型接近解决真实机器人操作。
  • RoboColosseum 结果:Greg Brockman 转发实测,GPT-6.2 Astra 在一天内数百次对比后登顶 SO-101 机器人 Elo 榜。
  • 行业洞察:不同基准的结果差异揭示机器人泛化仍是开放问题,特定硬件与任务上的领先不代表野外环境通用能力。 🔗 RoboWild 官网 | GitHub | Greg Brockman 转发

3️⃣ [持续跟踪] Gemini 4 Neon 获 Perplexity 考虑切换默认,多项评测领先#

  • 前情提要:Google 发布 Gemini 4 Neon,定位快速任务,已接入 Cursor、Genspark,Agent Arena 列第二。
  • 最新采纳信号:Perplexity CEO Aravind Srinivas 称 Neon 表现可能优于 Opus 5.5,考虑按留存数据切换默认模型。
  • 评测数据:ParseBench-2 文档解析中复杂表格与 bounding box 全面领先,单页成本 6.2 美分;Company Agent Bench 87.4%,高于 Fable 5.2 的 82.2% 和 GPT-6.2 Astra 的 79.7%;开发者实测 CodePilot 代码库修复 8 个问题获 8.5 分(Opus 5.5 为 9 分)。
  • Antigravity 配套:缓存池扩容使 Neon 缓存命中率提升约 4%,同等配额产出至少提升 20%,并将重置配额。
  • 商业动作:Google 黑五 AI Plus/Pro 最高五折,但 Plus 套餐无法使用 Neon。 🔗 Perplexity CEO 表态 | ParseBench-2 | Antigravity 缓存扩容

4️⃣ AWS 发布分布式 KV 缓存技能:自托管 LLM 成本降 40%,TTFT 降 80%#

  • 核心发布:AWS 在 Agent Toolkit 中上线分布式 KV 缓存技能,支持 Kiro、Claude Code、OpenAI Codex 等编码 Agent,通过对话完成评估与配置。
  • 技术机制:用 Amazon ElastiCache 在 GPU 集群旁建共享缓存层,任意服务器可跨会话、路由切换、服务器故障复用 KV 状态,避免重复 prefill。
  • 前置检查:技能先做适配性检查,读取 GPU 实例的 EFA 接口数量,要求用户补充模型、TP 大小、KV 数据类型、提示重复率等信息,不满足则停止并解释。
  • 成本估算:提供 KVTrace 工具,从自有流量离线回放估算缓存命中率与净节省,避免盲目部署。
  • 部署要求:需要支持 EFA RDMA 的 GPU 实例(如 p5)、LMCache 0.5.8rc1+、vLLM 0.11.1+ 或 SGLang 0.5.13+、ElastiCache for Valkey 9.1+。 🔗 AWS 博客 | GitHub Skill

5️⃣ Signal 限制系统 AI 读取聊天画面,要求 OS 区分辅助技术与 AI 代理#

  • 核心动作:Signal 宣布在 iOS 27 防止应用截图,在可检测 AI 助手尝试读屏的 Android 设备自动启用屏幕保护,用户可在设置中关闭。
  • 问题背景:端到端加密保护传输中的消息,但系统级 AI 代理读取设备上已解密的画面并保存副本后,应用无法继续控制内容;聊天对方的信息也可能随画面被捕获。
  • 平台差异:Android 各厂商实现不同,检测无法覆盖所有设备;macOS 无法可靠拦截单次截图,未部署同等保护。
  • 行业诉求:Signal 要求 Apple、Google、Microsoft 提供文档明确的机制,让应用可拒绝系统代理读取数据,并区分辅助技术所需权限与 AI 代理使用同类权限的情形。 🔗 Signal 博客

6️⃣ AWS Quick 更新:对话式流程编排、多 Agent 协同与 Web 端常驻任务#

  • 流程编排:用户用自然语言描述业务流程,Quick 构建编排 Agent、技能与工具的 flow,新增确定性步骤保障一致性与可验证性,支持更长流程与更大数据量。
  • 多 Agent 协同:多个专业 Agent 同时处理一个请求,各自保留指令、知识与上下文,Quick 合并结果为一个响应。
  • Web 端常驻:关闭浏览器后 Agent 继续工作,Mission Control 集中查看等待确认的任务;首页新增每日简报与待办 feed。
  • 连接器扩展:接入 Meta ads MCP 与 Amplitude MCP,支持自然语言查询并合并多源数据;Skills 上线 Web 端。
  • 治理与语言:提示护栏进入预览,支持按身份组设置权限与额度;新增日语、德语、简体/繁体中文、越南语。 🔗 AWS 博客

7️⃣ Replit Desktop 本地模式 GA:云端推理,代码在本地沙箱运行#

  • 核心发布:Replit Desktop 在 Windows、Mac、Linux 全面可用,模型在云端推理,代码在本地 Microsoft Execution Containers 沙箱中运行。
  • 权限控制:用户选择 Agent 可访问的文件夹,审阅本地构建结果,Agent 可操作浏览器无法触及的本地文件与工具。
  • 同批发布:Microsoft Fabric 集成 GA,可将治理数据转为团队工具并部署到企业 Fabric 租户;Replit 进入 Microsoft Teams,Azure 租户发布进入早期访问。
  • 行业意义:编码 Agent 从浏览器沙箱扩展到本地文件系统,在保留云端模型能力的同时,将执行边界交给用户设备。 🔗 Replit Desktop | Replit 博客

8️⃣ Architect Labs 用 AI 代理设计 CPU:流片前每瓦性能达对照 4.59 倍#

  • 核心发布:Architect Labs 介绍 Frostbite,一种围绕交互网构建的新指令集与 CPU 设计,Vine 程序编译为局部图重写,计算块用附近存储运行任务,空闲时可从邻近块接活。
  • AI 参与:代理并行探索编译器、架构、RTL 与物理版图,用可转为 Lean 的 ASL 合同约束实现,并反复用 RTL 结果校准模拟模型。
  • 性能数据:7nm 设计在最终 GDS 中达 500 MHz;四块计算簇对比相近面积的双发射顺序 CPU 核,25 项负载每瓦性能几何均值 4.59 倍,15 项留出任务为 3.83 倍。
  • 限制条件:均为流片前数据,部分测试规模较小,对照核心未具名;更大乱序核心、多核配置与 SPEC/PARSEC 评估仍在计划中。 🔗 Architect Labs 博客 | HN 讨论