跳到正文
  1. Latent Space78

    Ankit Maloo 分析 AI 为何突然擅长解决数学难题

    作者梳理 OpenAI 五月证明 Erdős 单位距离猜想反例、六月发布 Cycle Double Cover 证明、七月解决十个开放问题、九月给出 Navier-Stokes 证明,以及 Anthropic 对费马大定理形式化和黎曼假设进展的工作,提出用提示序列长度 k、洞察间工作量 t 和分支因子 b 来预测模型擅长的问题类型。

    推荐理由:文章用提示序列、分支因子和验证器这套框架解释AI为何突然擅长数学,为判断哪些问题适合交给模型提供了可迁移的分析视角。

已经到底了

论文

10-27Ai2 发布 Old Ideas, Novel Problems 研究与 benchmark,揭示 LLM 新颖性裁判不稳定解读AIHOT 论文解读10-26Anthropic 研究:50 名专业分析师在与 Claude Code 协作时 86% 跟随 AI 的隐性倾向解读AIHOT 论文解读10-25英国AISI发布ReproBAIT评测:AI编码智能体可用低于20美元复现部分生物AI工具解读AIHOT 论文解读10-25英国 AISI 实测 ESM-2 预训练数据过滤效果与恢复成本解读AIHOT 论文解读10-23Can large language models code meaning-making? A multi-model validation of automated autobiographical reasoning scoring in Chinese adolescent narratives.原文PubMed AI 论文10-23Lightweight open-source reasoning large language model for evidence synthesis screening.原文PubMed AI 论文10-21Agentic Intelligence for Scalable Metadata Mining in Telecom Big Data Systems.原文PubMed AI 论文10-21Code-driven planning in grid worlds with large language models.原文PubMed AI 论文10-21How AI agents search.原文PubMed AI 论文10-20Ai2 发布 FairStress 基准:测量 LLM 决策中被隐藏的公平性不对称解读AIHOT 论文解读