初创公司 PSI 借助自研 AI 系统突破 5 道开放量子信息难题
初创公司 Physical Superintelligence 宣布借助自研 AI 系统 Emmy，辅助攻克了开放量子问题目录中的 5 道量子信息开放难题。该系统将大模型子假设拆解与 Lean 形式化验证器结合，相关论文、形式化证明与代码已在 GitHub 开源。团队计划将该方法拓展至数据中心能效优化与深空探测工程。
#GitHub
#GitHub
今日 0 条量子位AI 评分6969
arXiv cs.LGAI 评分3939 生成式扩散模型训练的信息论缩放定律
一项新研究提出了生成式扩散模型训练的信息论缩放定律，利用可计算的“模型信息”指标刻画模型输出对具体训练集的依赖关系。研究揭示了模型经历从纯记忆过渡到不完全泛化的非线性阶段，以及模型信息线性缩放且样本质量持续改善的泛化阶段。基于该理论导出的记忆与样本质量缩放定律具备良好的域外外推能力，相关代码已在 GitHub 开源。
科学网精选AI 评分8383 OpenAI公布数学、计算机和物理学3项新发现
OpenAI宣布利用模型在调和分析、计算复杂性理论和量子场论领域取得三项新发现，并已完成Lean形式化验证。成果涉及给出局部光滑猜想在所有维度下的证明、证伪指数时间假设（ETH），以及完成纯杨–米尔斯理论存在性等推演。数学和计算机成果已在GitHub公开并交由外部专家团队核查，物理学成果依专家建议暂缓公开，所有主张均等待学界独立审查。
推荐理由：OpenAI公开了借助模型与形式化工具推演理论科学猜想的尝试，读者可以据此了解前沿模型参与基础科学研究的具体方式与专家协作机制。
The Verge · AI精选AI 评分7979 OpenAI 宣布三项重大科学发现，并公布与学术界合作验证机制
OpenAI 宣布其 AI 模型在数学、计算机科学与物理学领域取得三项突破，包括声称否定指数时间假说（ETH）、证明波方程局部平滑猜想及四维量子场论存在性，相关模型输出与 Lean 证明已上传至 GitHub。针对计算机科学与物理学成果，OpenAI 邀请了外部专家团队进行审查与引导；但其数学顾问团 AGMAI 警告不应向指定学者提供早期特权访问，建议未来统一在学术仓库公开发布。
推荐理由：原文梳理了 OpenAI 科学发现的证据链与学者审查机制，有助于了解 AI 介入基础科学研究时的验证争议与学术协作范式。
arXiv cs.AIAI 评分5757 论文提出 RegretBench 基准与 BackUpper：评估并自动化代码智能体的事前备份能力
研究团队提出了评估代码智能体备份意识的基准 RegretBench 与自动化备份层 BackUpper，用于解决智能体在修改环境状态时缺乏事前保存机制的问题。评测显示六款前沿模型平均任务完成率达 86.1%，但在产生破坏性修改前的备份率仅为 15.2%。
Science NewsAI 评分6565 Paper2Agent 将学术论文转化为 AI 科研助手
斯坦福大学研究团队推出 Paper2Agent 系统，可将附带代码、方法和数据的学术论文自动打包为 AI 智能体可调用的工具集。在 100 篇计算生物学论文的测试中，系统成功将 74 篇转化为可用工具集，其运行分析与问答的速度比直接使用原始论文和代码快 2 倍以上且准确率更高。该系统旨在标准化科研代码的复用流程，并支持检索相似论文智能体以辅助科研人员建立合作。
The DecoderAI 评分7373 OpenAI 智能体 32 分钟完成小鼠脑数据分析，人工预估需数月
OpenAI 与 PerturbAI 及 Scripps Research 合作部署数千个基于 GPT-Rosalind 的 AI 智能体，仅用 32 分钟便完成了数百万小鼠脑细胞全脑 CRISPR 图谱的生物数据分析，而人工分析预估需数月至一年。
arXiv cs.AIAI 评分3838 针对机器学习会议的作者在环智能体可复现性审查研究
研究人员提出了一种作者在环的协作审查框架，将作者声明作为 AI 智能体调查与评估的明确输入，结合结构化检查清单与 GitHub 两阶段工作流，连接智能体复验、作者澄清修改与人类评审审核。该系统已在某会议的 36 篇论文及 133 个实验图表中完成部署，经人类审核后提出 20 个 issue，并在后续检查中支持关闭了全部 issue。
科学网精选AI 评分7777 联合团队借助书生-S2大模型完成三维Ghys猜想证明与形式化验证
大湾区大学许地生团队依托上海人工智能实验室书生-S2大模型，通过人机协同证明了三维Ghys猜想，相关论文已在arXiv发布。攻关过程中书生-S2通过多轮推演输出了千页推导报告并生成全新论证路径，随后北京大学团队利用SHEAF框架调度最高100个智能体，耗时约5天产出约55万行Lean代码完成全部主定理的形式化验证。
推荐理由：该研究展现了大模型递归推导结合专家校准与大规模智能体形式化验证的协作闭环，为复杂数学命题研究提供了落地参考。
科学网AI 评分7474 国内学者借助书生-S2大模型完成三维Ghys猜想证明
上海人工智能实验室与大湾区大学许地生团队依托书生科学多模态大模型S2，通过人机协同完成了动力系统领域三维Ghys猜想的证明。北京大学刘若川、董彬团队使用SHEAF框架对证明完成了形式化验证，相关论文已在arXiv发布，形式化代码已在GitHub开源。
NatureAI 评分6060 华盛顿大学团队在《Nature》发表半胱氨酸蛋白酶从头设计研究
华盛顿大学 David Baker 团队等在《Nature》发表论文，利用 RFD2-MI、ProteinMPNN 与 AlphaFold 3 组成的迭代计算管线实现了半胱氨酸蛋白酶的从头设计。实验验证了人工设计酶的催化剪切活性与晶体结构，并通过序列优化获得了 Dokki-15 与 Dokki-v2 等高活性变体。相关计算设计与生化分析代码已在 GitHub 开源。
量子位精选AI 评分7676 OpenAI 发布数学手稿声称将挂谷猜想推至四维并引发学界震荡
OpenAI 公开包含两篇挂谷猜想在内的 722 篇数学手稿，声称证明了三维挂谷极大函数猜想并将四维挂谷集维数推至满维 4。这两篇共 272 页的手稿继承了王虹等数学家的先导成果，主要利用二次多项式跨尺度追踪等工具展开推导，但未经同行评审且未完成 Lean 形式化验证。
推荐理由：材料梳理了相关数学成果从三维推进至四维的演进脉络，有助于读者理解前沿分析难题与学术界对机器证明的争议反应。
量子位AI 评分6969 MirroS 发布 AgentGarten：结合代码物理引擎与神经渲染的智能体交互演练平台
MirroS 团队发布开源智能体演练平台 AgentGarten，将代码驱动的确定性物理引擎与实时神经渲染器相连接。平台通过代码定义物理碰撞与几何草图，利用神经渲染器以超过 30 fps 的吞吐流式输出拟真画面，并借助智能体自主记录的文字实验手册实现跨轮次策略演进。相关技术报告与代码已同步在 GitHub 和项目主页公开。
量子位AI 评分5757 UniPat AI 发布科学论文复现基准 PaperBenchX，大模型完整复现率低至 13.98%
UniPat AI 推出多学科端到端科学论文复现基准 PaperBenchX，实测显示表现最佳的 GPT-6 Astra 完整复现率仅为 13.98%。该基准涵盖电磁、材料和生物等 12 个研究方向的 93 个复现任务，要求 AI 智能体在原生科学软件环境中独立构建工作流，并采用删掉输出、断网重跑的隔离机制验证证据链。
科学网精选AI 评分8181 OpenAI 在 GitHub 发布 700 余篇 AI 生成的数学预印本论文
10月6日，OpenAI 在 GitHub 一次性公开了完全由 AI 生成的 700 余篇数学预印本论文，覆盖抽象代数、量子算法与微分几何等领域。论文涉及霍奇猜想和黎曼假设等千禧年难题的相关方向，宣称攻克了部分百年历史难题，但未包含千禧年难题的完整解答。
推荐理由：AI生成的大规模数学论文未经人类逐一核验即公开，展示了AI介入前沿基础科研对传统学术研究节奏带来的冲击。
Nature精选AI 评分7878 OpenAI 在线发布 700 多篇数学预印本引发数学界强烈争议
OpenAI 在 GitHub 上集中发布了 700 多篇完全由 AI 生成的数学预印本，在科研界引发关于成果抢先发表与内容泛滥的激烈讨论。该批论文涉及霍奇猜想与黎曼猜想等相关问题，但未包含千禧年大奖难题中剩余 5 道题的解法。OpenAI 表示其目标是通过前沿科学难题评估模型并为科研人员提供工具，论文的具体学术价值将交由学界自行评估。
推荐理由：报道梳理了学界对批量生成论文的争议与评价，有助于读者理解前沿模型对传统学术成果界定机制的冲击。
The Decoder精选AI 评分7878 OpenAI 在 GitHub 发布 372 个 AI 生成的数学证明
OpenAI 在 GitHub 仓库公开了由内部前沿模型生成的 372 项数学成果与证明，涵盖计算机算法改进及黎曼猜想相关进展。几乎所有成果均来自单个 Agent 单次提示词且平均耗费约 3 小时 ChatGPT Pro 思考算力，并附带 Lean 机器验证代码以缓解人工审稿压力。绕过传统学术期刊的做法引发数学界分歧，多位菲尔兹奖得主警告单纯机器证明可能破坏概念理解的培养。
推荐理由：材料呈现了前沿推理模型绕过传统学术期刊直接发布形式化证明的案例，有助于理解 AI 生产力对科研评审体系带来的制度冲击。
量子位精选AI 评分7878 OpenAI 公开内部模型生成的 722 篇数学研究手稿及 Lean 证明
OpenAI 公开了一个未发布内部模型产出的 722 篇数学手稿，涵盖 372 组研究结果，并将论文、源码与部分 Lean 证明上传至 GitHub 仓库。研究课题涉及准黎曼猜想、霍奇猜想、BSD 猜想等多个数学方向，官方称平均每项结果消耗的算力约相当于 ChatGPT Pro 思考 3 小时。
推荐理由：原文梳理了手稿涉及的重大数学猜想与算力消耗，有助于了解大语言模型在理论数学前沿的探索进展与核验挑战。
The Verge · AIAI 评分7575 OpenAI 发布新一批数学研究手稿，声称攻克数百个公开难题
OpenAI 在 GitHub 上发布了由一款未发布前沿模型生成的 722 篇数学手稿，涵盖 372 个结果族，声称包含数百个长期未解数学难题的解答。OpenAI 表示平均每个结果消耗了相当于 ChatGPT Pro 思考 3 小时的算力，并提供了模型推理摘要和算力估算数据。
OpenAI News精选AI 评分7272 OpenAI 分享前沿模型在数学公开问题上的研究进展
OpenAI 公布了一款内部前沿模型在数学公开问题上的最新研究成果。相关成果包括基于 Lean 的形式化证明以及具体研究细节，均已在 GitHub 上开源共享。
推荐理由：公开前沿模型在数学公开问题上的形式化证明，为形式化数学验证和高阶推理研究提供了可核验的参考样本。
Scientific American精选AI 评分7777 OpenAI 公布数百项数学与理论计算机新进展，引发数学界对验证与透明度的争议
OpenAI 在 GitHub 公布了由未公开内部模型生成的数百个数学与理论计算机科学开放问题的解答进展，其中多项证明已通过 Lean 形式化验证。OpenAI 称多数结果仅依靠单个 AI Agent 单次提示词生成，但因未公开模型和具体提示词且仅提供平均计算时间，引发了多位数学家关于透明度与可复现性的质疑。
推荐理由：报道呈现了未公开模型密集输出形式化数学成果带来的冲击，有助于读者观察学术界对 AI 生成研究透明度与复现标准的博弈。
GitHub Blog · AI & ML精选AI 评分6565 GitHub 推出 AI 代码审查开源评测基准 ReviewBench
GitHub 发布面向 AI 代码审查智能体的开源离线基准 ReviewBench，基于 1.039 亿真实拉取请求分布抽样构建了覆盖 19 种语言的 219 个公开拉取请求测试集。
推荐理由：ReviewBench 基于真实拉取请求分布构建，提供了与线上生产表现一致的离线评测信号，有助于客观比较代码审查智能体的实际表现。
The DecoderAI 评分6363 Google 提出 RRSI 框架防止自我改进智能体死记测试任务
Google 研究人员提出名为 RRSI 的正则化递归自我改进方法，通过逐步缩减编辑预算和设置严格审核机制，防止 AI 智能体在自动重写运行框架时过拟合测试基准。
Together AI BlogAI 评分5656 Together AI 等开源 ThunderAgent 智能体推理调度系统，吞吐提升最高 2.5 倍
Together AI 联合佐治亚理工等机构开源智能体推理调度系统 ThunderAgent，通过程序级调度将单节点吞吐提升最高 2.5 倍并在 8 节点集群实现 2.4 倍加速。