姚期智杨植麟联手,让数学家松了一口气
没有任何模型能真正解决开放猜想。
检索标题、摘要与正文,把分散的信息连起来。
没有任何模型能真正解决开放猜想。
arXiv:2610.37844v1 发布类型:新 摘要:在形态学分析中,计算医学图像之间的最优传输映射具有基础性作用。然而,现有方法要么难以扩展至大型三维医学图像,要么依赖于正则化形式,只能提供近似的传输映射。为提高下游医学图像分析的准确性,我们提出了一种新颖的方法,通过参数化凸势函数来估计最优传输映射。根据构造,所得的传输映射必定无旋,符合布雷尼耶定理。我们在二维和三维医学影像数据集上对该方法进行了评估。实验结果表明,我们的方法能够实现更低的传输估计误差,并生成更高q
原子尺度模拟有助于研究人员理解分子和材料的行为,从化学反应、相变到机械失效。这些……
henry 发自 凹非寺量子位 | 公众号 QbitAIClaude这家伙,也是把debug,玩成扫雷硬解了。就在刚刚,Anthropic发布了与Theorem合作的最新研究:让Claude在几周内,为 123个开源库中的239个测试入口完成形式化验证,最终产出约1.8亿行通过机器检查的证明代码。据A社(全美班)团队介绍,这是其所知的首次大规模利用AI,在汇编代码层面对生产软件开展形式化验证。听起来有点绕,但简单来说,其实就是让Claude找出Bug,修掉,然后交一份证明,说明规定范围内的这类错误不会再出现。这就像在软件里扫雷,扫完还得写份报告,交代清楚:为什么这里没雷?而为了写出这份证明,C...
编辑|Neo100 多位顶尖数学家,耗费数十年,写下 1.5 万页证明。现在,AI 只用了 24 天,就把这项人类数学史上最庞大的工程之一,变成了 4300 多万行可以由计算机逐步验证的代码。更惊人的是,AI 在检查这些数学家留下的证明时,还揪出了一个存在近 40 年的论证漏洞。这不是一道奥数题,也不是一篇几十页的数学论文,而是被...
arXiv:2610.31955v1 发布类型:新 提要:Anthropic 的最新研究提出了一种名为“雅可比透镜”(J-lens,Gurnee 等人,2026)的新可解释性工具。该方法在前沿语言模型的隐藏状态中识别出一些线性方向,这些方向表现出类似工作记忆表征的特性。然而,尚不清楚究竟是哪些机制特性使这类特征能够被 J-lens 检测到。为此,我们提出了 J-lens 的数学理论,并证明它倾向于识别相干特征——即那些类似于主导、在空间上具有连贯性的李雅普诺夫模态的方向。沿着这些方向施加微小扰动时,其放大效应会逐层传递,在各个标记位置大致保持不变,并且在不同上下文中也具有一致性。尽管 w
arXiv:2610.32101v1 发布类型:新 摘要:大型语言模型(LLMs)会表现出模式坍缩现象,即其输出分布集中于熟悉的语义模式。当多样性消失时,反复采样便沦为语义上的重复,而非新的发现,导致那些罕见但更优的解决方案难以浮现,从而使模型的自我进化与持续学习难以维持。大多数应对措施仅在推理阶段发挥作用,通过调整采样结果来实现多样性,却并未将多样性真正内化为模型的一项能力。我们提出了 PRISM,一种在训练阶段就将多样性内化的框架。PRISM 结合了:(i) 子模性策展机制,为每个提示配以多样且正确的多教师解;以及 (ii) 随机嵌入调制,将特殊标记的扰动转化为 impl
arXiv:2610.32104v1 发布类型:新 摘要:为刻画Transformer架构的能力与局限性,人们已发展出若干形式化理论,这些理论分别采用不同的抽象方法,以捕捉该架构的不同特性。由于其底层假设与概念框架存在差异,这些理论在预测Transformer对哪些任务感到容易或困难时往往意见不一。我们梳理了七种关于Transformer能力的理论(Star-free、$\mathsf{AC}^0$、$\mathsf{TC}^0$、C-RASP、MPC、BAPO以及敏感性),并将其研究结果转化为一张通用的预测矩阵,覆盖一系列涉及不同计算结构的任务。我们还提供了新的理论成果,以完善这一矩阵。随后,我们对这些理论进行评估
我们能信任大语言模型来判断一项研究思路是否具有新颖性吗?
在大规模发布数百篇据称包含长期悬而未决的数学问题解决方案的论文后不到一个月,OpenAI 再次推出了三项“重大”发现,涉及数学、计算机科学和物理学领域。与以往不同的是,此次 OpenAI 选择由其称之为“牧者”的外部专家来指导相关成果的产出……
本恩·斯坦西尔借助 Hugging Face 的这一技巧,阐释了为何最有用的创意往往源自最奇特的关联。
今天,我采访了记者兼新书《AGI编年史》的作者凯文·鲁斯。这本书详细记录了人工智能行业近期发生的剧烈变革。凯文曾长期担任《纽约时报》记者,并主持过热门播客节目“Hard Fork”,但他与节目好友凯西·牛顿刚刚离开了[…]
对机器而言,“夜晚”是什么?
arXiv:2610.31702v1 发布类型:新 摘要:室内无线地图估计(RME)对于覆盖规划、定位和网络部署等无线应用至关重要。然而,现有方法大多采用监督学习范式,需要耗费高昂成本的标注数据,并进行针对特定任务的模型训练。此外,室内环境涉及建筑布局与结构等隐私敏感信息,这些信息往往无法集中管理。为应对上述挑战,我们首次尝试将室内RME建模为一种协同式上下文学习(ICL)问题。我们提出了Poly-Ripple框架,其中多个客户端在无需更新模型的情况下,利用大型自回归视觉模型(LAVMs)进行ICL。每个客户端均通过其私有演示数据获得提示。
arXiv:2610.31728v1 发布类型:新 摘要:Muon 已成为大型语言模型训练中广受欢迎的优化器,但其理论基础仍缺乏深入理解。在本研究中,我们探讨了梯度噪声的几何结构如何影响 Muon 的预条件化优势。我们首先从理论与实验两方面证明,在经典的各向同性噪声假设下,Muon 仅能通过重新缩放学习率而带来加速效果,无法进一步提升性能。这一发现促使我们进一步考察由异构任务频率下的关联记忆中的小批量采样所引起的结构化噪声。我们为两类任务确定了一个精确的平衡阈值,并将分析扩展至多任务场景,揭示了任务覆盖率与梯度可靠性如何共同塑造学习过程。我们的分析表明,Muon 能够缓解……
2026年10月17日,一位前OpenAI员工兼Anthropic联合创始人在IMF曼谷会议上发表演讲,主张‘技术奇点已开始’,依据是AI系统在数学、生物学、物理学和机器人学等领域展现出自主科研能力;所引数据(如TheoPhysEval 98%得分、Humanity’s Last Exam提升至67.7%)均来自其本人及关联机构,无第三方验证;演讲强调AI驱动的科学范式变革与经济影响,同时明确声明该判断属主观立场,非科学共识。