全部动态

2026年10月7日，陶哲轩在博客全文转载人类数学协会（AHM）抵制OpenAI的声明，将数学界对OpenAI大规模发布AI生成数学成果的争议推向公开化；但数学界内部立场并不一致，抵制策略本身也受到质疑。

OpenAI 向全球所有 ChatGPT 用户推出 GPT-6，取代 GPT-5.6 Sol 与 Luna，并同步上线可自主组合文字、图表、按钮与表单的 Intelligent UI，ChatGPT 周活已超 12 亿。

值得关注：交互层的变化（Intelligent UI 直接生成可操作组件）可能改变用户与助手的分工，把部分“工具搭建”从用户侧转移到模型侧。 分档与限速策略（付费 Sol、Free/Go 为 Luna）关系到免费用户能获得的能力…

Artificial Analysis 的 Model Comparison Tool 允许用户将最多五个 AI 语言模型并排比较，覆盖 intelligence、pricing、output speed、latency、context window、benchmarks 等多维指标，用于模型选型与性能/成本权衡分析。

值得关注：与已有 Artificial Analysis Search Index 卡片相比，Search Index 聚焦同一智能体、不同搜索 API 的质量/成本/速度对比；本卡片聚焦 Artificial Analysis…

候选摘要称，Radisson Hotel Group 与 Accenture 合作，用 OpenAI 技术构建 ChatGPT plugin，帮助旅行者在规划行程时查找、比较和预订酒店；但原始正文未能抓取，上述细节与效果均待核实。

值得关注：对 AI 行业：这是 OpenAI 技术在酒店旅游垂直行业的一个潜在行业案例，但具体合作深度待核实。 对酒店/旅游业：若酒店预订可在 ChatGPT 内完成，可能改变发现与预订路径，并影响 OTA、搜索广告和品牌直订的…

据量子位报道，OpenAI 公开了一个尚未发布的内部模型产出的 722 篇数学手稿，归为 372 组结果，覆盖黎曼猜想相关无零点区域、BSD 猜想、霍奇猜想、唯一游戏猜想等方向；但数学界强调，这不等于认可结果或生产方式，争议焦点转向“规模化产出、可读性与可核验性”。

值得关注：这是 AI 公司以前所未有规模向数学界投放潜在研究成果，直接触及知识生产、同行评审、归因与信任机制。 由九位学者组成的独立数学与 AI 顾问组发表声明，成员包括 Timothy Gowers、Martin Hairer…

根据现有元数据，OpenAI 计划让 **College Planner** 进入 **ChatGPT for Teens**，并配套 **flashcards、quizzes** 和 **teen AI council**，覆盖青少年学习、大学申请规划以及参与 AI 未来塑造；但来源正文未抓取，具体安排与上线状态均待核实。

值得关注：青少年是高敏感用户群体，学习与大学申请又涉及准确性、公平性、隐私和诚信等高风险议题。若 OpenAI 确实推出 College Planner、flashcards、quizzes 和 teen AI council，…

OpenAI 官网出现题为 “GPT-6 and Intelligent UI for everyone” 的条目，候选摘要称 GPT-6 正在 ChatGPT 中全球上线，并搭配 “Intelligent UI” 提供更快的响应、视觉内容与可直接探索使用的交互体验；由于正文抓取失败，除标题与摘要外的细节均待核实。

值得关注：与已有卡片的关系：本卡片涉及的是头部厂商的新一代旗舰模型及其配套交互界面，与 “Grok 4.5（Cursor 与 SpaceXAI 联合发布）”“Artificial Analysis 智能指数 v4.1.1”“Al…

在非对称检索任务中，带提示/指令的嵌入模型可能连简单任务指令都无法可靠遵循，尤其当评估包含查询侧干扰物（query-side distractors）时；作者假设这与当前嵌入模型的训练设置和评估方式有关，并报告加入查询侧干扰物进行微调可带来显著改善，且对其他任务影响很小。

值得关注：如果指令在干扰条件下失效，仅靠“带指令的检索提示”可能高估嵌入模型的任务可控性。 训练/评估分布与真实查询中的干扰因素是否匹配，可能是影响指令遵循的关键变量。 与既有“模型是否真正遵循/检索到目标”的脉络相关：已有卡片…

论文指出，仅凭已训练模型和待遗忘样本、没有保留数据或额外训练信息的“forget-only unlearning”并不总能准确逼近从零重训练；其可行性取决于学习方法，成功时往往要求模型记住普通训练中会丢弃的训练数据信息。

值得关注：与已有 LACUNA、TILDE 等卡片相比，本条不是评测某个遗忘平台或概念遗忘方法，而是从理论上说明 forget-only 遗忘何时不可能、成功需要多少记忆。增量信息是：把“遗忘精度”问题前推到学习与信息保留层面，…

JoHan 是一个从头训练的统一生成式框架，直接从视频序列联合生成对齐的 2D 与 3D 局部手部位姿序列，绕过逐帧位姿预测这一中间环节，从而在遮挡与观测不完整条件下改善手部运动重建的精度、速度与平滑度。

值得关注：遮挡与不完整观测下，逐帧估计容易抖动并累积误差；把 2D-3D 生成放在序列层面统一建模，是一种规避中间位姿误差传播的思路。 2D 表示在此被当作“引导信号”而非最终输出：它既保留图像中的直接空间线索，又通过 2D-3…

当语言模型回答没有标准答案的问题时，可借鉴陈述偏好经济学的效度框架，用理论一致性与效度测试判断回答是否连贯，而不是判断其是否正确。

值得关注：许多高价值 LLM 应用没有单一正确答案，传统准确率或金标准评估不足以覆盖这些任务。 该路径把评估从“是否答对”转向“回答是否符合可检验的效度与理论约束”，可用于审计模型在政策偏好、价值取舍、用户选择建议等任务中的一致…

论文声称两级 Softmax（2LS）采样会因忽略簇大小失衡与簇内相似度离散度而引入系统性偏差，并提出 S-2LS 与 SD-2LS 两种修正方法；但**正文未抓取成功，具体定义、证明与实验结论均待核实**。

值得关注：若 2LS 的偏差确实存在且被系统性忽略，那么此前使用 2LS 的大规模采样结果可能带有未被察觉的分布扭曲。 论文主张的“可证明更优近似 + 可忽略开销”若成立，意味着修正几乎无成本，具有替换现有默认做法的实践价值。 …

美国总统特朗普签署行政令，要求联邦机构用“Super Intelligence（SI）”取代“Artificial Intelligence（AI）”，但研究者指出“超级智能”目前仍是一个愿望性概念而非现实，且该术语本身缺乏严格定义。

值得关注：行政令以官方名义重新命名一个科学技术领域，可能影响联邦机构的用词规范与公众认知框架。 研究者强调“超级智能”按多数定义仍是一个愿望性类别而非现实，这与政策话语中宣称“新时代已到来”之间存在明显落差。 术语的模糊性使得不…

Tetris3D 通过显式地将每个物体的生成条件建立在周围物体几何与物理关系之上，提升单图3D场景重建中物体形状和位姿的几何/物理一致性，并配套提出基于物理模拟的 1.2M 场景数据集 ComOb。

值得关注：该工作把单图3D场景重建的重点从“单独生成物体”推进到“让物体在场景中彼此契合”，尤其是对相邻交互物体的形状与位姿施加几何和物理关系约束。配套的 ComOb 数据集若可获取，可能为关系感知的3D生成/重建提供训练与评测资源。

SciExam for ENSO 是一个让语言模型智能体在六小时预算内、从真实观测构建 ENSO 低阶随机模型的基准；材料称十二个智能体系统中六个得分超过已发表模型，说明智能体已能构建有竞争力的气候模型，但其科学有效性、可复现性和泛化性仍待核实。

值得关注：传统评估通常无法回答“新科学模型是否有效”。SciExam for ENSO 尝试把开放式科研产出放到可评分任务中，并用隐藏评分器降低直接对答案或语言模型评审的依赖。若其结果可复现，则说明智能体不仅能复现已有知识，还可…

RoboJEPA 是一个基于 JEPA、覆盖 12 种机器人本体并在真实机器人数据上训练的多本体潜世界模型；作者报告其“想象误差”随计算量呈二阶幂律，并可用于预测下游规划表现与零样本真实机器人部署。

值得关注：这条工作把 LLM 领域常见的 scaling laws 思路引入机器人潜世界模型，并尝试用想象误差作为可预测的代理指标。若结论稳健，它会改变机器人世界模型的研发节奏：团队可以在训练前/训练中估算收益，而不是只靠真实机…

视觉-语言-行动（VLA）模型对指令措辞异常敏感，且不继承其底层视觉-语言模型的语言鲁棒性；摘要称，通过将少量评分证据蒸馏为 10–20 条改写规则并在部署时统一改写指令，可在不修改策略的情况下提升冻结 π0/π0.5 的成功率，收益尤其集中在分布外任务。

值得关注：语言接口是机器人基础模型的关键输入层；措辞微小变化即可造成行为大幅波动，这会直接影响可靠性、安全性和评测结论。 固定指令评测可能高估 VLA 的泛化能力；同一任务换一种说法就可能暴露 OOD 脆弱性。 该方法把缓解手段…

RECAST 把“找证据”从固定的相似度检索扩展为可学习、可执行的“检索 + 计算”序贯决策，让证据被主动推导而非仅被取回；论文报告在六个异构基准族上平均成功率 75.6%，比最强的大模型基线高 15.9%。

值得关注：**范式增量**：它不只优化“检索什么”，而是把上下文构建变成“取什么、算什么、何时算够”的决策问题，把计算操作纳入证据构造的一等公民。 **架构增量**：RouterLM 可训练、CompilerLM 与 Answe…

QuadTok 提出一种分层四叉树视觉 tokenization 框架，通过动态分配表示能力减少 token 使用，并利用树结构带来的自然因果性支持自回归图像生成；材料称其 947M GPT-style 模型在 ImageNet 256×256 上达到 2.08 gFID，并支持零样本空间控制生成。

值得关注：它把视觉 tokenizer 的 2D 空间结构与 1D 序列建模需求结合起来，避免固定网格或纯序列化带来的刚性。 动态分辨率与 token 分配机制直接关系到自回归图像生成的效率与保真度权衡。 树结构天然提供生成顺序…

论文提出首个在不可知（agnostic）设定下、无需知道基测度 μ 的 oracle-efficient 平滑在线学习算法；该算法基于 Gaussian Follow-The-Perturbed-Leader，免参数，并达到 sublinear regret。

值得关注：该工作把 agnostic 统计学习中“ERM 无需知道数据分布即可高效学习”的思路，向平滑在线学习推进：不再要求算法具备 μ 的采样访问或完美标签条件。 与已有相关卡片无直接延续关系；本条关注 foundation-…