陶哲轩来给AI数学泼冷水了
陶哲轩来给AI数学泼冷水了是时候了！陶哲轩对AI生成的低质量数学内容提出警示。这次他一反常态，没有来安利大模型，而是辩证审视：AI生成数学是把双刃剑。AI大幅增加数学新想法，但也降低平均想法质量。
来自主题:
AI资讯
8429 点击 2026-02-26 17:12
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
是时候了！陶哲轩对AI生成的低质量数学内容提出警示。这次他一反常态，没有来安利大模型，而是辩证审视：AI生成数学是把双刃剑。AI大幅增加数学新想法，但也降低平均想法质量。
有一说一，Anthropic这家公司虽然贱不喽嗖的，但是做产品，是真的好。。。昨天凌晨，Claude Code终于上了我梦寐以求的一个功能。remote control。远程控制。
刚刚，外媒彭博社援引知情人士报道，上海大模型明星创企阶跃星辰正考虑在港交所IPO，计划筹集约5亿美元（约合人民币34亿元）。
2 月 25 日，继除夕开源 Qwen3.5-397B-A17B 之后，阿里继续开源千问 3.5 系列模型，而且是一口气开源三款中等规模的新模型，分别是 Qwen3.5-35B-A3B、Qwen3.5-122B-A10B、Qwen3.5-27B。
这家成立两年的初创公司周四表示，已完成900 万美元种子轮融资，由 Susquehanna International Group（SIG）和光速创投领投，B Capital、Seaborne Capital、Beenext、Sparrow Capital 和 2.2 Capital 跟投。
我用 Manus 做过几次深度调研，输出质量确实惊艳。但每次想用它，我都得打开电脑，在一个专门的界面里操作。这意味着每次使用 AI 都需要一个「决策成本」：我要不要打开这个工具？我现在方便吗？
这两周，Claude Code 上了个 COBOL 现代化功能，IBM 当天暴跌 13%；又上了个安全扫描功能，一口气翻出 500 多个此前藏了几十年的高危漏洞，网安股集体跳水。彭博社甚至专门做了一期播客讨论“哪些 SaaS 公司能活下来”。
前面已经说了，传统自回归就像打字机一样，一次只能处理一个token，且必须按照从左到右的顺序。但扩散模型Mercury 2的工作方式更像一位编辑——最终，Mercury 2能将生成速度提升5倍以上，且速度曲线截然不同。
Anthropic 周三宣布已收购 Vercept，这家 AI 初创公司团队核心成员与西雅图科技界的多家知名企业渊源深厚。此次收购是继去年 12 月 Anthropic 收购编程智能体引擎 Bun 以推动 Claude Code 规模化发展之后的最新动作。
今天，Web 开发社区爆发了一条令人咋舌的技术新闻。Cloudflare 的一名工程师在一周之内，借助 AI 模型从头重建了 Next.js 。该公司的首席技术官 Dane Knecht 发推庆祝这一史诗级的成就，称之为「Next.js 的解放日」，Next.js 属于每个人。
李国杰院士指出，AI安全风险应按逻辑复杂性分为三类：R1可验证、R2可发现但不可证明安全、R3不可治理。当前AI多属R2，关键不在「证明安全」，而在构建人类主导的制度性刹车机制，拒绝让渡终极控制权。
近期发表于 TMLR 的论文《Large Language Model Reasoning Failures》对这一问题进行了系统性梳理。该研究并未围绕 “模型是否真正理解” 展开哲学层面的争论，而是采取更加务实的路径 —— 通过整理现有文献中的失败现象，构建统一框架，系统分析大语言模型的推理短板。
前天，MiniMax 更新了 MiniMax Agent，原先的专家 Agent 再度升级，这次还加了个新东西：MaxClaw —— 把最近在 GitHub 上爆火的 OpenClaw 做成了网页版，直接一键接入。
科技账号 Legit 率先披露，V4 的轻量版本代号为「sealion-lite（海狮轻量版）」，目前已在至少一家推理服务商处展开内测，相关方均签署了严格的保密协议。
过去48小时，Nano Banana 2成为AI开发者圈的热议话题。在海外社交平台X上，关于谷歌这款最新图片生成模型（又名Gemini 3.1 Flash Image预览版）将发布的帖子层出不穷，4K图片四处流传，各种猜测也甚嚣尘上。
美国五角大楼正向 Anthropic 极限施压，要求彻底解除 Claude 的军事应用限制。会后，Anthropic 发布新版政策。公司正式放弃了「单方面暂停大模型训练」的安全承诺。在政治与商业的双重压力下，AI 安全理想主义最终向现实妥协。
「software armageddon（软件末日）」——这是外媒描述过去几个月软件板块遭遇时用的词。Anthropic 每推出一个新工具，市场就会条件反射式地先问一遍：又有哪些软件要被干掉？然后果断抛售手里的股票。
xAI的Grok图像转视频模型（grok-image-video-720p）登顶「Image-to-Video Arena」排行榜，以1404分的超高ELO评分力压群雄，位居第一。马斯克亲自发帖为自家Grok Image模型站台，称它每周都在迭代优化。
就在本月，蚂蚁集团inclusionAI团队交出了一份颇具分量的答卷——百灵大模型家族新一代开源万亿参数模型Ling-2.5-1T（即时模型）与Ring-2.5-1T（思考模型）。
不是，这才加入OpenAI几天啊，龙虾之父Peter Steinberger这波发言属实猛了些啊！在OpenAI的最新访谈中，他聊创业、聊OpenClaw、聊龙虾滥用和安全问题，那叫一个「实诚」。
随着AI即将抵达自我进化的AGI奇点和Agent泛滥的「AI繁荣」，一场更彻底的经济危机已经在迅速酝酿中：AI能力提升 → 裁员增加、工资降级 → 消费疲弱 → 企业利润被挤压 → 企业购买更多AI能力 → AI能力继续提升。所有平台层将被Agent彻底击穿，而房贷和私募基金将成为危机的加速器。
刚刚，毕业清华大学数学系，曾在Meta FAIR工作3.75年、主导过SAM与Llama多项核心工作的研究员张鹏川（Pengchuan Zhang）宣布离职。他的下一站，是来到OpenAI，投身于世界模拟与机器人学（World Simulation and Robotics）方向的研究。
硅谷曾是全球码农的「养老天堂」：下午四点的冲浪板、吃不完的零食、永远不响的手机。但到了2026年，这里只剩下一个身份：全球最昂贵的顶级血汗工厂。OpenAI和Anthropic的天才们正在用健康和家庭，给人类史上最贪婪的吞金兽——AGI，充当一次性燃料。
在他们看来，真正的胜负手不在于单点技能拉满，而在于能否在同一颗芯片里，把“训练级吞吐”和“推理级低延迟”同时做好——尤其是在长上下文、Agent循环这些更复杂的真实工作流中。
SSI-Bench是首个在约束流形中评估模型空间推理能力的基准，强调真实结构与约束条件，通过排序任务考察模型是否能准确理解三维结构的几何与拓扑关系，揭示当前大模型在空间智能上严重依赖2D信息，实际表现远低于人类。研究指出，模型需提升三维构型识别和约束推理能力，才能真正理解空间问题。
大模型的思维链越长，推理能力就越强？谷歌Say No——token数量和推理质量，真没啥正相关，因为token和token还不一样，有些纯凑数，深度思考token才真有用。新研究抛弃字数论，甩出衡量模型推理质量的全新标准DTR，专门揪模型是在真思考还是水字数。
SpeechLLM 是否具备像人类一样解释 “为什么” 做出情绪判断的能力？为此，研究团队提出了EmotionThinker—— 首个面向可解释情感推理（Explainable Emotion Reasoning）的强化学习框架，尝试将 SER 从 “分类任务” 提升为 “多模态证据驱动的推理任务”。
开工第一天，我狠狠补了假期里认为最重要的一期播客：Notion 创始人 Ivan Zhao 的访谈。这期内容在互联网上几乎没有传播，但我认为它的价值被严重低估了。 Ivan 谈到了 AI 对 Noti
复旦大学与微软亚洲研究院带来的 ArcFlow 给出了答案：如果路是弯的，那就学会 “漂移”，而不是把路修直。在扩散模型中，教师模型（Pre-trained Teacher）的生成过程本质上是在高维空间中求解微分方程并进行多步积分。由于图像流形的复杂性，教师模型原本的采样轨迹通常是一条蜿蜒的曲线，其切线方向（即速度场）随时间步不断变化。
在2026当下的智能体（Agent）开发体系中，“为LLM加Skills”已经成为事实上的行业标准。您的Agent表现不好，是因为底层的LLM参数量不够，还是因为您喂给它的“Skills”写得一塌糊涂？无论是日常使用的各类CLI工具，还是最近的Openclaw，其底层能力的跃升很大程度上都依赖于这些特定领域的Agent Skills。
