黎曼猜想被两次独立证明?AI圈炸锅了
黎曼猜想被两次独立证明?AI圈炸锅了
黎曼猜想在数小时内被两次独立宣称证明,这一事件的核心张力不在于结论本身,而在于两种证明路径所暴露的认识论差异。Anthropic 数学家 Levent Alpöge 发布的证明以 Lean 形式化代码 为主体,规模约 1.3GB,相当于 25 万页 的数学文本,未附传统论文。Elliot Glazer 确认其形式化陈述覆盖广义黎曼猜想(GRH),并将 Lean 编译错误的概率评估为 远低于 1%。这意味着如果代码在无额外公理条件下完成编译,证明在逻辑上极可能成立,但没有任何人类能够完整审阅其全部内容。
与之形成对照的是 Alessandro Masullo 发布的 940 页 人工证明,这是他 12 年 工作的阶段性成果,此前一直在进行非公开的人工审阅。Alpöge 本人对 AI 辅助过程的描述——Claude 在涉及高阶群自守形式的关键环节“远远超越了我”——指向一个此前讨论较少的协作模式:人类在早期阶段参与,随后被系统在能力边界处甩开。这与通常的“强智能体引导弱 AI”的 centaur 模式相反,更接近弱到强对齐所描述的控制难题。
OpenAI 在 9 月对 Navier-Stokes 问题的 Lean 证明曾因形式化结果与自然语言结论不一致而受到质疑,这一先例为当前事件提供了必要的审慎框架。Alpöge 选择仅发布 Lean 代码而非可读论文,直接回应了“slop”问题——他承认自己尚未掌握证明所涉数学的“大规模邻域”,因此拒绝发布一份“不可读的垃圾”。但这一选择同时制造了新的困境:一个可验证但不可理解的证明,是否应当因其认识论上的不透明而被延迟发布?两次宣称的验证周期预计将以年计,且 AI 生成的证明与人工证明各自面临不同性质的审查障碍——前者是形式化验证的工程问题,后者是传统同行评议的认知负荷问题。
语言模型能改写自己的权重,无需重新训练
语言模型在部署后通常处于参数冻结状态,性能改进依赖重新训练、提示工程或推理期外部计算。这篇论文提出了第三种路径:模型在无梯度、无训练的条件下,通过自身推理直接修改权重矩阵中的数值,作者称之为 self-rewriting。
实验的核心对象是一个 27B 开源模型。研究者将模型自身的权重、带评分的答题记录以及运行自身的能力交给模型,要求其诊断失败原因并生成权重修改方案。在 490 道未见过的问题(每题 8 个答案)上,模型提交的编辑使其准确率提升了 6.6 个百分点,配对检验的显著性达到 p < 10⁻⁵。更值得注意的是累积效应:在连续八个会话中,模型每次基于前一版本继续编辑,准确率单调上升,且会话 8 与会话 2 的编辑在预先固定的配对测试中均显著优于基线。
方法上的关键设计是让模型在提交编辑前先在保留的练习题上验证效果,仅提交实际有效的修改。这使模型具备了初步的自我筛选能力。在损坏副本修复实验中,一个被破坏到几乎无法解题的模型副本,在不读取原始权重、不进行重训练的条件下,被模型修复至图像任务原始准确率的 80% 以上,且修复写入的是模型自己生成的新数值,而非恢复原始参数。
消融实验显示该能力具有明显的规模门槛:同一模型家族中,较小规模的模型要么无法产生有效编辑,要么编辑后自我破坏,只有最大规模模型能稳定改进并修复损坏副本。这一发现将 self-rewriting 与已有的 test-time scaling 区分开来——后者在每次推理时消耗额外计算但不改变权重,而 self-rewriting 将改进固化进参数,推理成本不随使用次数增加。
局限同样明确。论文未证明该能力可跨模型家族泛化,也未涉及编辑后模型在分布外任务上的稳定性。模型生成的权重修改是否引入隐性偏差或安全风险,尚缺乏系统评估。此外,实验中的编辑验证依赖保留练习题,这一机制本身需要人工设计,距离完全自主的递归自我改进仍有实质距离。
AI agent 三周改写 curl:185,000 行 C 代码转成 340,000 行 Rust
Daniel Stenberg 在 2026 年 11 月 18 日发布的这组对比数据,为评估 AI 编码代理在大型遗留系统迁移中的实际效用提供了一个具体参照。核心问题不在于 AI 能否完成代码转换——将 185,000 行 C 代码改写为 340,000 行 Rust 这一事实本身已证明其具备规模化的机械转换能力——而在于转换产物能否与活跃维护中的原项目保持同步演进。
Stenberg 给出的对照数据具有明确的量化意义:在同一时间段内,curl 主项目合并了 超过 300 个提交,其中包含 约 200 个 bug 修复,以及若干安全漏洞修补。这些修复均未出现在任何 AI 生成的 Rust 移植版本中。这一差距指向一个结构性矛盾:代码迁移是一次性的快照操作,而软件维护是持续的状态更新。当原项目以每周数十个修复的速度演进时,静态转换的产物从生成之日起就开始累积技术债务。
从方法层面看,当前 AI 代理的移植模式缺乏闭环更新机制。代理在初始转换后没有持续跟踪上游变更的通道,也无法自动将新修复语义等价地映射到目标语言实现中。Stenberg 的追问——“这些克隆版本能否跟上?”——实质上是在质疑当前 AI 辅助迁移的工作流设计:它解决了初始转换的劳动力问题,却未解决长期同步的维护成本问题。
这一案例对依赖 AI 进行大规模代码迁移的团队具有直接参考价值。数据表明,转换完成度不能仅以行数或编译通过率衡量,上游项目的活跃修复速率应作为迁移可行性的核心评估指标。对于 curl 这类每周合并十余个修复的高活跃项目,AI 一次性迁移的产物在数周内即与上游产生显著的功能偏差,且偏差累积速度与上游维护强度成正比。
AI爬虫冲垮独立博客,All About Berlin宣布关停
AI 爬虫与生成式搜索对独立内容生态的挤压,在 All About Berlin 的关停声明中得到了一个具体而残酷的量化样本。该网站自 2017 年运营,作者 Nicolas Bouliane 以一手信息维护柏林移民、行政与生活指南,其内容曾被联邦与地方政府部门引用,并催生了两个政府门户。然而,Google 将 AI Overviews 置于搜索结果首位后,该站流量在七年增长后骤降 70%–75%,作者明确表示仅靠四分之一的受众已无法维持运营,且已停止撰写新指南,转而准备其他谋生方式。
问题的核心并非单纯的流量下滑,而是内容生产者的劳动成果被平台以“AI 生成答案”的形式直接吸收,切断了作者与读者之间的署名、反馈与信任链条。原文指出,用户搜索后首先看到的是广告,其次是基于其内容训练的 AI 答案,最后才是原始链接。这种排序结构将独立网站从信息终点降级为模型的隐性语料来源。作者同时提到,StackOverflow 的流量已从峰值下降 99%,并有多位网站所有者私下确认了类似困境,部分选择付费墙,部分停止更新。
从技术机制看,Google 的 AI Overviews 并非简单的摘要,而是将检索结果重写为封闭式答案,广告嵌入其中。这意味着搜索引擎从分发流量转向截留流量,内容创作者无法通过传统 SEO 获得对等回报。原文引用的 Google 公告显示,AI 生成答案将完全取代搜索结果,并内置广告。这一变化对依赖搜索流量的中小型独立站点构成系统性风险,尤其是那些以事实核查、本地信息和长尾问题为核心价值的站点。
值得注意的局限在于,原文未提供 AI Overviews 具体引用其内容的比例或证据,也未说明流量下降是否完全归因于 AI 功能,而非 Google 算法调整或其他竞争因素。但作者作为一手运营者,其流量数据与时间节点的对应关系仍具有较高的可信度。该案例的警示意义在于,当平台将开放网络的内容转化为封闭答案时,独立生产者的激励结构被破坏,而替代性的收入模式尚未出现。
814次RL实验发现:LLM评委的盲区传给了学生模型
LLM 评判模型被广泛用作强化学习中的奖励信号,以替代缺失的答案标签。这项研究通过 814 次 RL 训练实验,在 7–8B 参数模型上系统考察了一个核心问题:评判模型的知识究竟有多少能通过奖励信号迁移给学生模型。结论呈现出明确的不对称性。
关于单个答案的知识不会迁移。 当评判模型错误地奖励了一个错误答案,学生模型会将该错误答案作为该特定问题的固定输出记忆下来,但这种“付费错误”不产生泛化。更关键的是,评判模型对单个正确答案的识别能力同样无法传递。用答案标签训练的学生模型,与用强得多的评判模型训练的学生模型,在面对新问题时选择“回答还是弃权”的能力几乎没有差异——评判模型的知识在每百道题中仅带来约 1 个修正答案的增益,与未经训练模型通过采样 32 个答案并弃权不一致样本所达到的效果相当。
关于问题类别的信念会迁移。 评判模型对某一类问题的系统性偏见会直接传导给学生。一个典型案例:某评判模型拒绝了训练集中 12 个关于前国家首都的正确答案中的 11 个,结果学生模型在新问题上对该类首都的拒绝率升至 98%。仅手工翻转这 12 条评判结果,就能让拒绝率从 5% 跳到 90%,即便该评判模型的整体接受率与答案标签相同。在同等宽松度下,四个评判模型中有两个已导致 Llama 在该类问题上损失 38–42% 的正确答案。而模型并未遗忘这些知识——当禁止输出“我不知道”时,它仍能正确回答 94% 的此类首都问题。
这一发现指向一个更深的推论:评判模型自身的知识并非必要。用学生模型未训练时自身采样答案的多数投票作为奖励信号,无需任何标签或外部评判,即可获得与答案标签相当的奖励效果,同时保留类别知识。这意味着当前 RL 流程中,评判模型的价值可能被高估,而其系统性偏见被严重低估。
Linear年经常性收入破1亿美元,超半数工单由AI代理处理
Linear 的 COO Cristina Cordova 在 Latent Space 访谈中披露了一组值得注意的数据:公司年经常性收入已突破 1 亿美元,付费客户超过 40,000 家,净收入留存率 177%;更关键的是,Linear 平台上由 AI 代理创建的工单占比从一年前的 3% 攀升至 超过 50%。这一变化直接呼应了 CEO Karri Saarinen 今年 3 月发表的判断——“Issue tracking is dead”。
Linear 的应对策略并非将产品降格为带 MCP 接口的数据库。Cordova 明确表示,如果产品内部的代理工作流不比外部更好,用户就没有理由打开应用。因此 Linear 同时监控两条曲线:代理使用量与应用内使用量。目前两者均呈上升趋势,说明代理承担了工单的创建、标注、分配等手工环节,而人类用户仍回到应用中进行协调与决策。这一区分在商业上具有实质意义——它避免了 SaaS 产品在代理时代被管道化的风险。
在 GTM 层面,Cordova 提到一个结构性变化:企业正在动用此前不存在的 AI 专项预算 采购工具,这使得部分交易跳过了传统的预算审批摩擦。但她同时指出,当前市场上部分"数月内达到 1 亿美元 ARR"的案例,实际由少数 3,000 万至 4,000 万美元 的国防或大型律所合同构成,与 Linear 依赖 4 万家付费客户的 seat-based 模式有本质差异。买家开始倾向签署一年期合同和付费试点,而非三年长约,这意味着部分 ARR 的可持续性将在续约时得到检验。
Linear 在 2023 年放弃了企业级路线图,且从未雇佣 SDR 或 forward deployed engineer,其销售模式高度依赖自服务与产品本身。这一路径在代理工作流占比过半的背景下是否仍能维持扩张效率,是后续值得观察的变量。
FBI称开源黑客工具Artex AI可在三小时内攻破网络
FBI 近期发布的安全通告揭示,开源 AI 渗透测试工具 Artex 已被用于多起实际网络攻击,且攻击速度显著压缩了防御方的响应窗口。通告指出,在部分案例中,从目标锁定到完成主动入侵的耗时不足三小时。这一数据将 AI 驱动的自主攻击从理论风险推进为可观测的运营现实。
Artex 的核心能力在于将渗透测试流程与前沿大语言模型对接,支持接入 Anthropic、OpenAI 的托管模型以及开源或非美国模型。其攻击模式以高速扫描和利用低门槛漏洞为主,包括弱口令、暴露凭据及缺失多因素认证的入口。FBI 明确指出此类入侵流量“嘈杂”,容易触发告警,但攻击节奏使人工响应难以同步跟进。
已确认的受害范围具备一定规模。针对韩国金融行业的攻击导致至少 68,000 人的个人数据泄露;微软早前发现的 ConnectWise 事件中,攻击者利用 Artex 侵入其 Microsoft 365 云环境,影响至少 2,250 家客户。ConnectWise 发言人对 FBI 引用的受影响环境数量表示无法独立核实。Barracuda 的案例则暴露了另一层问题:工具发现了一枚属于已终止合作的第三方服务商的未撤销凭据,进而访问了用于采集客户系统数据的凭据存储。由于日志粒度不足,Barracuda 无法排除数据被访问的可能性,最终选择重置全部客户凭据。
值得注意的细节是,Artex 开发者已在攻击事件发生后将工具转为闭源,但 FBI 强调此前的开源版本仍在广泛传播并持续被用于攻击。此外,安全研究人员发现数百个 Artex 实例在互联网上无密码暴露,其中包括曾用于攻击韩国金融系统的实例。这意味着攻击工具本身也构成了新的攻击面,未妥善配置的部署可能将高级攻击能力间接开放给第三方。