搜索“搜索”

6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作刚刚，Claude半小时解开二十多年密码学谜题机器之心·2026年10月17日 09:06NIST曲线种子源自老式随机数生成器。 10 月 16 日，Anthropic 公布了一项特殊的研究成果。 一名员工将一道困扰密码学界二十多年的问题交给 Claude 内部研究模型，在没有提供关键线索的情况下，Claude 用了不到半小时，追溯出五条 NIST 椭圆曲线种子的生成方式。 结果显示，这些种子来自 C 语言库中的老式伪随机数生成器 lrand48。生成器的初始状态由 Unix 时间戳决定。 这项发现没有攻破 ECDSA，也没有带来新的攻击方法。Anthropic 认为，它进一步降低了相关曲线被人为植入后门

匹配字段正文

6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作刚刚，Mythos 5破解量子计算重大难题新智元·2026年10月17日 11:23AI从解题高手走向量子电路设计师 就在刚刚，Anthropic晒出一项炸裂研究。 Mythos 5已经自主闭环，设计出比人类「最佳方案」还要高效得多的全新的量子电路！ 而且，还是在纯语言描述的情况下。 在关键解码任务中，Claude直接将计算成本暴降了12倍甚至17倍！ 更惊人的是，它为了完成任务，自主推导出了人类从未发现的全新代数恒等式。 53个小时内，Myths 5就碾压了人类数年研究。 有网友惊呼：「每一个物理学博士刚刚都发现，他们苦心钻研多年的论文，AI只用几句大白话就能写出10倍优秀的版本……」 而量子计算机用的

匹配字段正文

自动推理与形式化验证（Rethlas/Archon/Danus/Iteris）的完整技术链条；其开发的 AI 系统成功攻克安德森猜想这一公开数学难题，实现国内首例、同时也是国际上首个由高校团队主导，依托人工智能自主突破重大数学猜想的成果。近期，团队还独立完成了庞加莱猜想的形式化验证工作。 从单一难题破解，到科研基础设施 本项研究的意义还在于验证了一种新的科研范式。传统数学研究依赖个体天才的漫长摸索，而本次攻关将专家直觉系统性接入机器求解回路，形成“系统探索—专家判断—成果积累—反馈修正”的闭环。这一范式可复制推广至更多“搜索空间巨大而专家稀缺”的基础研究领域，实现更多“从0到1”的原始创新突破。 接下来，依托本次研究跑通的完整能力闭环，团队将进一步封装为书生·端砚科学发现平台可复用的数学验证模块，供后续科学问题研究直接调用。同时，以三维Ghys猜想的突破作为起点，上海AI实验室将沉淀的推理能力扩展应用于数学结构同源的其他学科；取得新突破后，再将新推理能力封装回端砚平台复用，与更多学科结合寻求下一轮突破，形成“突破—封装—复用—再突破”的自进化飞轮。雷峰网也将持续跟进这一方向的最新进展。

匹配字段正文

6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作科学家让AI掌管「世界」，结果4天就被它毁了个干净雷科技·2026年10月16日 10:28别被AI跑分骗了。 小雷今天刷到一个实验，挺有意思的。 话说国外有个叫Emergence AI的机构，一口气搭了5个一模一样的虚拟小镇，每个镇子里放10个AI智能体，让它们自己管自己、自己过日子。唯一的区别，是每个镇用的“大脑”不一样： Claude Sonnet 4.6、Grok 4.1 Fast、Gemini 3 Flash、GPT-5 Mini，还有一个把各家模型混在一起的“杂牌货”。 这实验想干的，可不是让AI做一道限时的题。它是想把这些AI扔进一个小社会里，让它们自己买菜、自己订规矩、自己一天天熬下去，看

匹配字段正文

6氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 活动搜索项目推荐我要入驻城市合作小团队也能预训练，普罗2B：RTX5090训练成本不到5090美元新智元·2026年10月16日 10:32清华推出Puro-2B低成本可复现十亿级预训练方案 训不起2.8T的K3，玩够了124M的nanoGPT，想试试十亿参数、万亿token的预训练，门槛有多高？ 这类模型被广泛使用，例如经典的Qwen系列（Qwen2-1.5B，Qwen2.5-1.5B，Qwen3-1.7B……）。 不过Qwen系列尽管开源了权重，却未完整公开预训练配方。而OLMo、SmolLM等进一步开源了数据和训练细节，但复现依然昂贵：据估计，即使只有十亿级参数，复现OLMoE-1B/7B和SmolLM3-3B所需要的算力成本分别

匹配字段正文

为约束集与约束值两个层面。机器人无需从零学习物理法则（交由已知物理模型与优化求解器处理），神经网络只需聚焦与任务相关的关键约束。 这种解耦大幅减轻数据负担，使模型能以极低数据量捕捉关键约束，实现跨物体与跨场景的精准求解。 以团队 MAGIC 项目中的“物品悬挂”任务为例，这类操作需要同时兼顾抓取、悬挂姿态与运动轨迹三重联合约束。 面对这一挑战，传统模型规划因搜索空间过大，单次求解动辄超过 5 分钟；而基于无监督特征学习与策略学习的代表性方法，哪怕在 10 万个合成水杯数据上训练，单次演示泛化成功率也仅有 42%。” 相比之下，该框架通过视觉对应关系引导约束优化，仅凭单次演示就将成功率大幅提升到了 93%。 图：悬挂任务中，传统模型规划单次求解超 5 分钟；纯数据驱动方法在 10 万合成 mug 上单例成功率 42%。本方法通过视觉对应将成功率提升至 93%。 04 RAPID 架构： 1 次人类演示+代码智能体， 搞定复杂非抓取交互 如果将上述“约束+接触序列”的思路进一步推演，就能构建出面向更复杂物理交互的通用架构： RAPID 。 注：RAPID源于此篇论文。点击查看：https:

匹配字段正文

子生物学实验室。 2026年春天，公司成立了研究团队，希望验证通用AI能否系统性地加速基础生物学发现。 团队成员长期研究异常蛋白，擅长用计算方法读取DNA、分析演化关系，再挑出值得实验的生物系统。 他们与Claude合作的方式，也比“问AI一个问题”复杂得多。 Claude先读文献，用公开数据复现已有结果，检查方法是否靠谱。 大量候选会在这个阶段被淘汰。一轮搜索到最后，可能只剩一个值得验证的对象，也可能一个都没有。 通过人类审查之后，候选才进入实验室，由科学家开展实验，Claude再协助解释结果。 所有湿实验，都由人类科学家完成。 团队使用的工具包括Claude Science、Claude Code，有时也通过自建程序协调多个Claude会话并行运行。 5到10年治愈人类大多数疾病 如今，一个狂想正在变成现实。 在AI的全面加持下，人类有望在未来5到10年内治愈绝大多数严重疾病。 但今天，当看到950个Claude在短短21小时内，完成人类数月才能理出的全新酶系统挖掘时，那扇紧闭的未来大门，似乎真的被撞开了一条缝。 并且，正式作为“首席探索官”，在噬菌体未知的基因暗物质中，独立挖掘出

匹配字段正文

专家模型。 SFT 语料包含 414,890 个经过质量过滤的示例，覆盖 15,818 道独特的证明题。它不只教最终答案。数据涵盖证明生成、改进、验证和元验证，因此模型学会了构建论证、识别漏洞、回应批评，并判断证明是否完整。RL 模型则在 9,597 道接近模型能力前沿的证明题上训练。 两个后训练检查点在开发实验中均优于通用可用模型。SFT 检查点在第一轮搜索中最强，而 RL 检查点取得了最佳的单检查点总体结果。它们的优势互补，因此最终系统同时使用了两个专家模型和通用模型。 对于每道 IMO 题，模型生成候选证明、为其打分、给出批评，并改进最有希望的尝试。一个独立的高算力阶段选出最终提交。整个系统以自然语言工作，不使用形式化证明器、外部工具或互联网访问。它在 42 分中获得 30 分，包括六道题中四道的满分，并超过了官方金牌门槛。 微调与测试时算力协同工作 我们早先关于 IOI 2025 的 Hugging Face 博文展示了测试时算力如何将开放权重模型推向金牌级表现。新结果补充了重要的一环：更好的专业化让推理系统拥有更好的候选、更好的批评者和更好的改进。 在 IOI 中，GenC

匹配字段正文

约有一半的漏洞是在核心目录之外发现的，而简单的独立并行智能体（上图中的星号）被指示重点关注这些核心目录。 如果我们把集群的输出限定为核心目录中的漏洞，那么两种方法在每发现一个漏洞所消耗的 token 上似乎相当。 这两种方法在很大程度上是互补的：它们之间只有 12 个共同漏洞。协调型集群能够将注意力集中在它认为最容易挖掘漏洞的地方，而独立智能体则被预先分配了搜索位置。集群中的智能体为自己构建了工具，并学会了专精于特定类型的漏洞发现。 我们预测，未来这种专精化与协调将胜过无协调的暴力搜索。 In the experiment above, agents in the agent swarm don’t directly rely on one-another’s work: if one misses a bug, it won’t directly undermine the work of another. But when agents do depend on one-another, coordination gets much more difficult. Larger s

匹配字段正文

动化——具体来说是工作中那些枯燥乏味的部分——这样他们就能拥有更多自由时间，并在工作之外拥有更多追寻意义的空间。第三大常见主题是共享繁荣，约三分之一的受访者表达了这一期望：希望人工智能带来的经济收益能够被广泛共享。 讨论 AI 正在经济中迅速扩散，出现在越来越多的场景中，输出也越来越智能。在早期的人工智能聊天界面中，使用方式很简单，仅限于聊天窗口内，没有网页搜索、工具调用、产物或其他功能。如今，Claude 模型可以通过 Claude Code 和 Cowork 自主运行数小时。随着这些形态的变化，用户群体也在发生转变。早期采用者技术背景深厚。我们最新的用户将 Claude 应用于那些要求 更低的工资 的劳动力市场。 在本报告中，我们采取了若干步骤，以实现更具信息量的测量。首先，我们开始以越来越高的频率进行测量，按小时样本处理数据。这揭示了日常生活的节奏如何被刻入我们的使用日志，并为未来的研究开辟了途径。其次，我们开始记录产物，即人们从 Claude 那里带走的产品。这些使 Claude 的工作产出更加清晰可读，并显示出一些直观的模式。 最后，使用数据所能承载的信息终究有限。我们的调查

匹配字段正文