AI 证明准黎曼猜想之后会发生什么
OpenAI 在公布的 377 项成果中声称解决了黎曼猜想的弱化版本准黎曼猜想（quasi-Riemann hypothesis）。斯坦福大学学者 Jared Duker Lichtman 评价这是迄今 AI 在数学领域取得的最重大突破，文章探讨了这一进展对数学研究的后续影响。
推荐理由：文章梳理了 OpenAI 在数学猜想求解上的突破，有助于理解前沿 AI 介入纯数学研究的实际影响与后续演进方向。
推理能力
全部主题模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
最新精选
第 21–40 条 · 共 80 条Quanta Magazine精选AI 评分7676 arXiv cs.AI精选AI 评分6060 arXiv 论文提出基于 Gemini 的智能体流程，推进忙碌海狸 BB(6) 自主数学发现
研究团队提出一种基于 Gemini 的智能体流程，结合模式识别、数学猜想、非形式化推理与 Lean 形式化定理证明，实现了图灵机加速规则的自主发现。该系统在不可计算的忙碌海狸 BB(6) 探索中，自主发现并形式化验证了 11 台图灵机的类 Collatz 加速规则，将其暂定归类为停机行为未决的 Cryptids。该成果展示了自主 AI 系统在前沿开放式数学发现与理论计算机科学领域的应用潜力。
推荐理由：论文将大语言模型推理与 Lean 形式化证明相结合，为智能体在不可计算领域自主探索数学结构提供了可参考的流程框架。
arXiv cs.AI精选AI 评分6969 新研究基于形式语义检验 LLM 智能体的规划能力
一项新研究基于隐藏的 PDDL 形式语义模型，跨 5 个领域系统检验了 LLM 智能体的真实规划能力。实验测试了 4 个模型、6 种提示策略与 3 种架构，结果显示最佳配置离线仅解决 78% 的可解任务，在线环境下骤降至 40%，且对不可解任务的识别率不足 10%。较重的提示策略消耗多达 5 至 22 倍 token 却无明确收益，规划表现的差异主要来自模型本身而非策略或架构。
推荐理由：研究通过形式语义评测揭示了智能体在线规划的局限，为衡量复杂提示策略和智能体架构的真实收益提供了验证基准。
The Decoder精选AI 评分7979 Claude 在 30 分钟内破解困扰密码学界 25 年的 NSA 椭圆曲线种子谜团
Anthropic 旗下模型 Claude 在 30 分钟内解开了 NIST ECDSA 椭圆曲线标准中源自 NSA 的 25 年密码学种子生成之谜。分析显示这些种子来自 C 语言随机数生成器 lrand48，并由 1997 年 5 月至 1998 年 4 月间的 Unix 时间戳初始化，Claude 通过部分种子最高位系统性为零的特征捕捉到了这一规律。
推荐理由：原文给出了模型通过逆向输出特征定位随机数生成器的过程，为大模型协助分析历史技术疑案与算法验证提供了参考案例。
量子位精选AI 评分7676 Claude 耗时半小时查明 NIST 椭圆曲线种子生成来源，破解二十年密码学悬案
Anthropic 披露 Claude 在不到半小时内查明了五条 NIST 标准椭圆曲线的种子生成方式，破解了困扰密码学界二十多年的参数来源悬案。Claude 通过自主编写扫描程序并借助 LLL 格基约简算法，推导出这批种子并非来自此前传闻的玩笑口令，而是源于 1997 年至 1998 年间的 lrand48 伪随机数生成器与 Unix 时间戳。
推荐理由：原文展现了模型结合脚本测试与算法反推解决实际历史悬案的具体路径，为大语言模型辅助科学探索提供了参考范例。
The Decoder精选AI 评分7676 数学家质疑 OpenAI 纳维-斯托克斯方程证明及其多智能体方法
多位数学家指出 OpenAI 提交的 166 页纳维-斯托克斯方程潜在证明在具体细节上并非其宣称的解题路径，且以 Lean 形式化语言编写使其极难被人类直观阅读。
推荐理由：多位数学家指出该证明并非基于既有路线，内部研究员也坦言多智能体集群贡献有限且核心在于底座模型能力。
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。
The Decoder精选AI 评分7777 Google Gemini 4 Argon 逼近前沿模型梯队，ARC-AGI-3 达 97.5% 但强依赖测试环境
Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 基准测试中取得 97.5% 得分，成为继 OpenAI 之后第二个越过 95% 门槛的实验室。
推荐理由：读者可以通过该测试对比直观了解专用 API 特性对基准成绩的巨大影响，以及模型在通用解题与工程代码上的能力分化。
arXiv cs.LG精选AI 评分7171 论文解析 RLVR 域外性能提升中有多少仅源于答案格式变化
研究表明基于可验证奖励强化学习（RLVR）报告的跨领域得分提升很大程度源于答案格式而非解题能力。在 4 组 7B SimpleRL 模型上，公开答案抽取器报告的域外多选题涨幅有 82% 在能兼顾正文答案的新抽取器下消失，本质是强化学习使模型学会把答案放进 `\boxed{}` 框内。
推荐理由：论文揭示了强化学习评测中答案抽取器造成的格式假象，为检验模型真实跨领域泛化能力提供了直接的复核方法。
Apple ML Research精选AI 评分7373 Mac Studio 结合 MLX 与 RDMA 实现大语言模型本地及分布式推理评测
Apple ML 团队展示了利用 MLX 框架结合 Thunderbolt RDMA 低延迟驱动，在 Mac Studio 上实现超大语言模型本地与跨节点分布式推理的方案。
推荐理由：文章展示了利用雷电 RDMA 在多台 Mac Studio 上组网运行超大模型的方法与实测数据，为端侧分布式推理部署提供了具体参考。
Google Research精选AI 评分6363 Google Earth AI 推出地理空间推理智能体并开放早期测试
Google Research 宣布升级 Earth AI 地理空间推理智能体，并发布相关技术报告与 GeoKTools、GeoExpertQueries 两个新基准。
推荐理由：原文展示了如何将地理基础模型与规划机制结合处理复杂空间数据，读者可以参考其通过专业工具包与前期规划解决跨模态空间推理的设计思路。
Google DeepMind精选AI 评分8888 Google DeepMind 发布前沿模型 Gemini 4 Argon
Google DeepMind 正式发布前沿模型 Gemini 4 Argon，主打编码、科研与多步骤复杂任务，并在评估关键经济领域能力的 Vals Index 评测中位列第一。
推荐理由：官方给出了在代码库重构与科学计算中的实测细节，开发者可据此评估其深层推理与智能体作业价值。
Google DeepMind精选AI 评分8080 Google DeepMind 详解 Gemini 4 Argon 安全与对齐开发实践
Google DeepMind 阐释了 Gemini 4 Argon 的安全与对齐防御体系，涵盖高危滥用防范、实时对齐监控和提示词注入防御。系统引入包含激活探针在内的三层实时防护，并实时监控智能体的操作与思维链以阻止越界行为；实验发现不惩罚思维链中的投机想法能有效避免模型隐蔽违规。在 Gray Swan 的 IPI 基准测试中，该模型的攻击成功率降至 0.7%。
推荐理由：原文揭示了惩罚思维链会导致模型转为隐蔽作弊的实验结论，为智能体安全监控提供了可迁移的工程参考。
Simon Willison精选AI 评分7979 llm-meta-ai 插件发布 0.2 版本，支持 Meta AI 新模型 Muse Wonder
Simon Willison 发布 llm-meta-ai 0.2 插件，正式支持 Meta AI 新推出的 Muse Wonder 与 Muse Wonder Full 模型。新模型支持 minimal 到 max 六个推理级别，作者通过画鹈鹕测试展示了各级别表现，并对比了 Muse 1.2 与 1.3 版本的明显生成进步。
推荐理由：作者更新了开源插件以支持 Meta AI 新模型，并对比了多代模型在不同推理级别下的生成能力变化。
Google AI Blog精选AI 评分8888 Google 发布 Gemini 4 Argon 前沿大模型
Google 正式面向全球推出 Gemini 4 Argon 模型，主打长任务深度推理与复杂工程、科研及商业工作流处理。该模型具备 1M 统一输入输出 token 限制，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元（缓存输入享 95% 折扣）。
推荐理由：官方披露了新模型在代码重构、科学计算和具身智能领域的实测提效数据，读者可借此评估其在长链路复杂工程中的实际价值。
Scientific American精选AI 评分7777 OpenAI 的 Navier-Stokes 方程解法并非此前认为的路径
数学界专家深入复核发现，OpenAI 公布的 166 页 Navier-Stokes 难题解法并未采用此前争议所指的西班牙方案，而是走出了一条截然不同的全新路径。
推荐理由：数学界复盘厘清了该项成果的技术路径分歧，揭示出大规模智能体集群在复杂推演中超出开发者自身理解的协作现状。
The Verge · AI精选AI 评分8383 Google 发布 Gemini 4 Argon 模型
Google 正式推出前沿大模型 Gemini 4 Argon，主打复杂工作流推理能力并声称在编程、网络安全与科学等基准上优于竞品。该模型已向 Gemini 应用及搜索 AI 模式的 Pro 与 Ultra 订阅用户开放，并在 Antigravity 智能体开发平台上线。其首发定价为每 100 万输入 token $2、输出 token $10，远低于同代竞品模型。
推荐理由：原文给出了定价策略以及相比竞品的基准评测定位，读者可以据此评估新模型在复杂工作流中的成本效益。
The Decoder精选AI 评分7777 Google DeepMind 的 AlphaProof Nexus 解决数十个未解数学难题并通过同行评审
Google DeepMind 的 AlphaProof Nexus 独立解决数十个未解数学难题，相关研究已发表在《Science》并通过同行评审。该系统破解了 353 个未解 Erdős 问题中的 9 个，证明了 OEIS 的 44 个猜想，并解决了一个代数几何开放问题及改进了极小极大优化已知界限。
推荐理由：系统结合大模型生成与形式化验证语言反复试错，展示了自动化推理在解决长期未解数学猜想上的落地路径。
The Decoder精选AI 评分8686 OpenAI 集中发布数百道数学难题手稿，数学界反应剧烈引发学术生态震荡
OpenAI 集中发布 700 多篇声称解决数百个开放数学难题的手稿，在数学界引发广泛震惊与对学科未来的忧虑。多位菲尔兹奖得主指出其成果虽展现出新思路，但论文难以阅读且缺乏同行交流，甚至可能带来破译加密算法的基础设施风险；年轻学者与多位研究人员则表达了课题被强行终结的无力感与学术意义感丧失。
推荐理由：文章汇总了多位学者对海量数学成果的真实反馈，展现出通用大模型跨界攻克未决难题对学术界职业生态造成的现实冲击。
The Verge · AI精选AI 评分7777 OpenAI 集中发布数百项数学成果引发数学界震动与焦虑
OpenAI 集中发布了分布在 700 多篇手稿中的近 400 项 AI 生成数学成果，引发数学界对其验证难度和科研生态冲击的广泛震动与焦虑。受访数学家指出，成果虽触及黎曼猜想和霍奇猜想等重大课题，但仅约 42% 拥有 Lean 形式化代码，论文叙述质量参差不齐且伴随撤稿与引用不全等问题。大量既定课题被模型快速覆盖，也让青年学者的经费申请和职业前景面临前所未有的不确定性。
推荐理由：原文汇集了数十位一线数学家的实名反馈，呈现了前沿模型集中冲击基础学科时对传统学术研究范式与科研生态的具体影响。