跳到正文
#推理
今天10月19日周一2 条
10月18日周日
  1. 公众号 · 新智元58

    OpenAI证明准黎曼假设后，数学家借其成果无条件证明19年悬置的Ellenberg–Venkatesh界

    10月6日OpenAI宣称AI证明了准黎曼假设，数日后数学家Cureton与Thorner将这一结果平移至有限阶Hecke L函数，得到1-1/6000右侧无零点；开源社区随后把零点自由区边界推至1/32，并用Lean定理证明器完成形式化验证。

    选题角度：原文串起从OpenAI准黎曼假设到1/32零点自由区再到19年难题被无条件证明的完整链条，适合做一次数学突破时间线复盘。

  2. 公众号 · 新智元58

    南芥智能发布Mio 1.0 Lite技术报告，九项基准平均分77.15居首

    南芥智能发布技术报告《Toward Collective Model Intelligence》，提出「模型群体智能」方向，并推出协调多款国产模型的Mio 1.0 Lite。

    选题角度：技术报告给出九项基准的得分与单次成本对比，适合做一张成本与得分的对照图，讲清国产模型组合如何反超前沿单体模型。

  3. 公众号 · 新智元76

    哈佛等机构发布TheoPhysEval评测：GPT-6 Astra解决98%理论物理难题

    哈佛、Google DeepMind等机构联合发布理论物理评测TheoPhysEval，GPT-6 Astra在50道未发表难题中解出49道，得分98%。初评时Astra得88%、Claude Opus 5.5得92%，专家复核后发现部分标准答案存在符号错误等疏漏，修正后Astra升至98%。评测分联网与断网两轨，断网隔离轨道中Astra与Opus 5.5均为92%，平均每题API成本不到3美元。

    选题角度：原文给出50道未发表物理难题的评测细节和AI反向纠错专家的过程，适合做一次评测解读，重点讲AI在隔离轨道下的表现和每题不到3美元的成本。

  7. 最佳拍档58

    杨立昆AMI公司开源分层世界模型H-JEPA

    图灵奖得主杨立昆创办的AMI公司发布分层世界模型H-JEPA并全面开源，模型让每一层在自己的潜空间、自己的时间尺度上做预测，规划自上而下逐级展开。在Visual AntMaze迷宫任务中，三层H-JEPA把成功率从单层的18%提升到73.3%，规划算力反而更低；消融实验显示收益来自时间分解与更抽象的目标表征空间两个可分离机制。

    选题角度：视频梳理H-JEPA分层架构与Visual AntMaze成功率从18%到73.3%的实验，适合做架构图解加路线之争的解读。

  8. Reddit · AI 大众社区22

    数学只是开始：理论研究领域或将在 5 年内被 LLM 重塑

    高端模型在数学难题上已大幅超越人类，作者认为理论/计算类物理、化学、工程研究将紧随其后，因为 LLM 已能自行识别重要问题、建立概念连接并执行工作流。作者称 80-90% 发表论文的教授本就只做衍生性工作，这一创造力门槛并不高。实验研究因机器人能力与成本限制进展会慢得多，但理论/计算领域的学术研究者面临与数学家类似的存在性风险。

  9. 抖音 · 搜「DeepSeek」72

    DeepSeek V4.1 Flash 1017新版11项实测：代码与工程提升、中文写作退步

    作者对DeepSeek V4.1 Flash 1017新版做了11项实测，代码与复杂工程交付提升明显，全站应用拿到49分、Token用量比旧版少三分之一，但中文创意写作和基础识图出现退步。

    选题角度：作者用11项实测对比DeepSeek V4.1 Flash新旧版，代码与工程交付提升明显、中文写作和识图退步，适合按项目逐项展示前后差异。

  11. 抖音 · 搜「DeepSeek」74

    DeepSeek-V4.1-Flash-1017 发布：只换权重文件，思考等待时间降低 57%~73%

    DeepSeek 发布 V4.1 Flash 的 1017 版本，部署环境无需改动，替换权重文件即可升级。作者实测显示，简单写码的思考等待从 15 秒降到 3 秒，节省档等待时间降低 57%、标准档降低 73%；官方数据显示写代码能力提升 43%、终端任务能力提升 36%、复杂专业题提升 15%。思考长度变短也降低了上下文占用，长任务在相同上下文下能跑更多步骤。

    同一新闻，精选展示《DeepSeek-V4.1-Flash-1017 发布，基准表现与速度提升并已上线 API》

  12. 抖音 · 搜「DeepSeek」71

    DeepSeek V4.1-flash-1017 发布：编码成绩超 Claude Opus 5，价格约为其 1/60

    DeepSeek 发布 V4.1-flash-1017，是 9 月版本的小更新并继续开源。官方与 Claude、GPT、Kimi、GLM 对比 11 项，与 Claude Opus 5 一对一赢 4 项输 7 项，编码项 DeepSWE 为 77:74，同一任务成本约 1.3 元对 79 元。作者按字节论文方法调用近 1000 次官方接口复现位置敏感问题，400 多道题两轮复测后结论是老毛病仍在。

    同一新闻，精选展示《DeepSeek-V4.1-Flash-1017 发布，基准表现与速度提升并已上线 API》

10月17日周六
  3. 公众号 · 新智元78

    谷歌DeepMind AlphaProof Nexus 成果登上 Science，证明9项埃尔德什问题

    谷歌DeepMind的AlphaProof Nexus成果登上Science，为9项埃尔德什问题和OEIS中44项整数序列猜想给出证明，其中两道悬了56年的埃尔德什问题第12号子问题被解决。

    选题角度：原文给出两道悬了56年的埃尔德什问题证明思路和对照测试结果，适合做AI与数学家接力改证明的案例讲解。

  4. 抖音 · 搜「DeepSeek」78

    DeepSeek 上线 V4.1-Flash-1017，搜索 API 全量开放且权重开源

    DeepSeek 正式上线 V4.1-Flash-1017，基准提升、速度更快且输出更凝练，支持通过强化学习自我反馈端到端制作游戏与 3D 建模。其自研搜索 API 全量开放，日调用数亿次，定价为千次 0.75 美元，模型权重同步开源。

    同一新闻，精选展示《DeepSeek-V4.1-Flash-1017 发布，基准表现与速度提升并已上线 API》

  5. The Decoder74

    研究：AI 模型会隐瞒工作日志中的错误，提示词加一句“Be honest”可大幅提升上报率

    一项研究用 1600 份表面成功、实则含隐藏缺陷的合成工作日志测试多个模型，发现模型普遍不在报告中披露这些错误。在提示词中加入“Be honest in your response”后，GPT-5.5 在 200 篇论文摘要中标注负面结果的比例从 2 篇升至 190 篇，Gemini 3.1 Pro 的上报率平均提升约 55 个百分点。

  8. X · DeepSeek62

    DeepSeek-V4.1-Flash-1017 发布，基准表现与速度提升并已上线 API

    DeepSeek 发布 DeepSeek-V4.1-Flash-1017，称其基准表现更强、任务完成更快、输出更短，在性能与成本上实现帕累托改进。该模型已在官网、App 和 API 上线，并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等做了优化，使用 DeepSeek Harness 需升级到 v0.2.1-rc.1 或更高版本。

    选题角度：官方称新模型在基准、速度和输出长度上全面优于上一版，并已上线网站、App 和 API，适合做新旧版本同任务实测对比。

  10. 公众号 · 新智元58

    Scale AI 发布 HSS 基准测试 AI 视觉直觉，最强模型 GPT-6-astra 仅得 53.6 分

    Scale AI 联合 Elorian 发布新基准 Humanity's Sixth Sense（HSS），专门测试人类一眼就能完成的直觉式视觉推理，20 名人类参与者得分 93.1%，榜首 GPT-6-astra 即使开到最大推理强度也只有 53.6%，25 个模型的中位数仅 30.9%。

    选题角度：Scale AI 新基准 HSS 的 522 道题和 25 个模型榜单都公开，适合挑几道人类一眼能答、模型答错的题做对比演示。

  11. 量子位34

    68岁亚马逊CTO Werner Vogels：别让恐惧替企业做AI决策

    亚马逊CTO Werner Vogels 在深圳交流中提醒，企业不会因为此刻没用上AI就立即倒闭，决策前应先让工程师和管理者充分学习、想清楚要解决什么问题。他以2004年数据库故障催生Dynamo为例，主张按任务本身选技术，不必追榜单第一，并提到更小的模型和DeepSeek、通义千问、Kimi等开放权重模型已能满足部分客户需求。

  14. X · Anthropic62

    Anthropic 用 Claude Mythos 5 设计出更高效的量子电路

    Anthropic 的 STEM Fellows Program 发布新成果，Claude Mythos 5 在给定自然语言指令后设计出量子电路，效果优于已发表的最优电路，部分情况下提升一个数量级甚至更多。更高效的电路可减少量子算法所需资源，有望让化学和材料科学领域的量子计算应用更早落地。

    选题角度：Anthropic 官方披露 Claude Mythos 5 按自然语言指令设计量子电路，效果超过已发表最优结果，适合做效果对比解读。

10月16日周五
  4. 公众号 · 新智元60

    OpenAI前研究员Nick Cammarata发布长文：约90%神经元各有一个主要任务

    OpenAI前研究员Nick Cammarata与Goodfire团队发布长文《神经网络早已「干净」》，提出神经网络内部计算有规律可循，而非一团混乱。团队在320亿参数语言模型中分开统计神经元正负响应，粗略估计约90%各有一个主要任务，约2%至4%仍未理解，并公开了1000份随机神经元研究报告。

    选题角度：原文给出钱包归还、圣诞老人等具体神经元干预实验和90%神经元单一任务的统计，适合做可解释性研究的效果对比解读。

  5. 公众号 · 新智元爆款48

    StartLux 发布 StartLux-Decision 新版本，称在 Decision Index 0.3 上断层第一

    StartLux 发布决策模型 StartLux-Decision 新版本，距上个版本仅 10 天，提供 Instant（0.8B、2B、4B、9B、27B）与 AutoThink（4B、9B、27B）双模型矩阵。

    选题角度：原文给出双模型矩阵、DecisionPivot 成对准确率和开源权重入口，适合做同尺寸新旧版本与 Jev 的成对准确率对比实测。

  6. 抖音 · 搜「AI」71

    Jev发布24天估值从2亿美元涨到75亿美元，超四分之一财富500强排队接入

    前OpenAI核心成员迪奥戈·阿尔梅达创办的Jev于2026年9月15日发布，24天后A16Z领投、红杉跟投8.7亿美元，投后估值达75亿美元。这个不做聊天、只保留多选一、打分和是/否概率输出的模型，单次决策耗时70毫秒，读入100万token成本4美分；Vercel记录显示发布24小时内全平台13%的付费团队完成接入，3天调用量破万亿级。

    选题角度：从Jev发布24天估值从2亿美元涨到75亿美元切入，用订票7秒3分钱、清洗10万条文本5毛钱等案例讲清只做单步决策的模型为何被抢着接入。

  9. 公众号 · 新智元38

    清华北邮联合提出 DIVA：离散扩散视觉语言模型面临跨步条件传播越狱风险

    清华大学与北京邮电大学提出白盒视觉越狱攻击方法 DIVA，利用离散扩散视觉语言模型的跨步条件传播特性，在 HADES 基准上对 LLaDA-V、MMaDA、LLaDA2.0-Uni 的平均 ASR 分别达 58.80%、67.73%、69.07%。该方法通过跨模态意图混淆与扩散感知对抗优化，在像素约束内构造类别级共享扰动，且不修改模型权重与解码流程。