2026.11.22DAILY REPORT

黎曼猜想被两次独立证明?AI圈炸锅了

8 条·2026.11.22
01 / 资讯2026.11.21 13:02

黎曼猜想被两次独立证明?AI圈炸锅了

2026年11月20日,有消息称黎曼猜想被两次独立证明。黎曼猜想是数学界悬而未决160余年的顶级难题,与素数分布规律密切相关。若消息属实,这将是数学史上的里程碑事件,也可能意味着AI在形式化数学推理上取得实质突破。目前细节尚未公开,来源为Latent Space简报,需等待数学界正式验证。

02 / 研究2026.11.21 13:00

稀疏自编码器新方法:把可解释性和重建拆开处理

arXiv新论文指出,传统稀疏自编码器(SAE)用同一组稀疏表示同时负责重建输入和提供可解释特征,两个目标相互牵制。作者提出将可解释性与重建分离的架构,让SAE在拆解神经网络表示时不再顾此失彼。这对机械可解释性研究有直接价值:研究者能拿到更干净的特征,同时不牺牲重建质量。

032026.11.21 13:00

LLM单条样本质量高但一组就重复?新模型解决多样性采样

arXiv新论文聚焦语言模型的一个常见问题:单条样本质量不错,但成组生成时样本反复聚集在同一语义模式上,多样性差。作者把多样化生成形式化为从行列式点过程中采样大小为K的完整字符串子集,并建立对应模型。这对需要批量生成候选的场景(如内容创作、合成数据)有直接用处,能减少重复输出。

042026.11.21 13:00

HapBO:用专家自然语言先验加速贝叶斯优化

arXiv新论文提出HapBO,把专家用自然语言表达的经验(如直觉判断、文档说明)引入贝叶斯优化。贝叶斯优化在有先验知识时样本效率更高,但实际中这些知识往往只以自然语言形式存在。HapBO通过α-π机制把语言先验转化为优化信号,减少所需的试验次数。适用于实验成本高、专家经验丰富的调参和材料设计场景。

052026.11.21 13:00

用博弈论分配训练数据,让专家模型分工可预测

arXiv新论文研究一个有趣问题:训练专家模型时所用的数据分配,能否同时预测哪个专家在给定提示上表现最好?作者提出博弈论框架,让数据分配本身成为可检查的分工蓝图,并在推理阶段指导路由。这意味着训练前就能看清专家分工,路由不再完全依赖事后评估。对MoE类多专家系统的设计和调试有参考价值。

062026.11.21 13:00

模型合并前就能预测干扰?线性化分析给出新方法

arXiv新论文针对模型合并中的干扰问题提出改进思路。模型合并通过把分别微调的任务向量加到共享骨干上来组合模型,但干扰通常要等合并完成并评估后才能发现,导致系数搜索成本很高。作者证明用一阶线性化分析可以在合并前预测干扰并指导修正。这让模型合并的系数搜索更省算力,对需要频繁合并模型的团队有实用价值。

072026.11.21 13:00

用稀疏自编码器审计GraphCast天气模型学到了什么

arXiv新论文用稀疏自编码器特征审计DeepMind的GraphCast天气模型。学习型天气模型是可实验访问的计算系统,内部表示可以被检查和操纵。研究者用SAE提取GraphCast自回归预报中的特征并测试其行为。这为理解学习型天气模型的内部机制提供了工具,也把机械可解释性方法从语言模型扩展到了科学计算模型。

08 / 工具2026.11.21 13:38

ClawDOS:在DOS系统上跑的AI编程代理

开发者发布ClawDOS,一个运行在DOS环境下的AI编程代理。该项目在Hacker News上获得156点、50条评论。DOS本身没有现代网络和开发工具链,把AI代理塞进这种复古环境,更多是技术趣味和极限移植的探索。对普通开发者来说实用性有限,但展示了AI代理在极端受限环境中的可行性。

chat_bubble对今日内容有什么想法?