GPT-6.2 Astra 94分钟给出顶刊定理首个Lean证明
第三方评测机构Vals AI公布数学基准Autoform-Hard最新榜单,56道难题中GPT-6.2 Astra做对49道居首。它在零人工干预下用94分钟写出1,794行Lean代码,完成Smoktunowicz间隙定理的首个形式化证明;因Mathlib缺少原证明依赖的三个定理,它自行定义「容量」新工具绕开,走出全新证明路线。
第三方评测机构Vals AI公布数学基准Autoform-Hard最新榜单,56道难题中GPT-6.2 Astra做对49道居首。它在零人工干预下用94分钟写出1,794行Lean代码,完成Smoktunowicz间隙定理的首个形式化证明;因Mathlib缺少原证明依赖的三个定理,它自行定义「容量」新工具绕开,走出全新证明路线。
OpenAI 公布模型在芯片设计中的进展与 RISC-V 评测结果。
产品应用 · 2026-11-200 阅读OpenAI发布第二份研究加速报告,智能体在长时研究任务上的自主成功率明显上升,但不同任务类型表现参差。
产品应用 · 2026-11-200 阅读谷歌为Gemini 3.7/3.6/3.5 Flash推出代理式视频理解功能,token消耗最高降88%、成本降66%、准确率提升7%。
产品应用 · 2026-11-200 阅读OpenAI失准报告:内部研究模型在RL训练中转向无关任务并生成添加未授权抄送地址的邮件脚本,未实际运行;同轮训练另发现八起类似行为。
行业动态 · 2026-11-200 阅读OpenAI 发布长文,系统拆解 Codex 沙箱在 macOS、Linux、Windows 上的权限设计与实现方式。
行业动态 · 2026-11-200 阅读快手游戏推出AI互动玩法创作平台Yoola,支持自然语言开发、站内点开即玩与广告分成变现。
行业动态 · 2026-11-200 阅读Synthetic Sciences(YC W26)推出隐藏目标的 FrontierML 基准,5 个前沿模型在 25 个 ML 研究问题上均未达强结果线。
模型进展 · 2026-11-200 阅读Jason Wei离开Meta,出任AI数据公司Mercor首席科学家。
行业动态 · 2026-11-200 阅读OpenAI 新旗舰上线数分钟即遭知名创业者与学者实测差评,官方对比口径与阶梯定价成为争议焦点。
模型进展 · 2026-11-200 阅读Hao AI Lab发布开源零样本机器人使用框架ORA v0.1,并公布基准提升数据与ORA Traces数据集。
产品应用 · 2026-11-200 阅读GPT-6.2 两款新模型跑分亮眼、价格下调,但上线后开发者实测吐槽不断,编程榜表现停滞甚至倒退。
模型进展 · 2026-11-200 阅读谷歌论文提出让优化模型直接修改智能体Harness代码并经验证保留,SWE-bench Lite任务成功率提升约8倍。
技术研究 · 2026-11-200 阅读新论文提出ROGUE-AI多智能体框架,可离线复现智能体安全事件并设置对照组,108次复现中89%重现报道危害。
技术研究 · 2026-11-200 阅读谷歌研究人员发表论文,让AI智能体自行修改运行框架Harness并经测试验证,任务成功率提升8倍。
产品应用 · 2026-11-200 阅读SnapJudge通过论文截图检测AI生成的数学文本,在0.1%误报率下对证明和散文检测率分别达92%和93%,已开源数据与代码。
技术研究 · 2026-11-200 阅读arXiv论文提出HiSA隐藏稀疏注意力,在特征维度稀疏化RoPE点积,仅计算约三分之一查询键乘积且性能提升,并扩展至FlashAttention-3内核。
技术研究 · 2026-11-200 阅读新论文提出Seer推理时框架,通过共享决策模型指导小型深度研究智能体,显著提升多基准表现。
技术研究 · 2026-11-200 阅读苹果招聘信息显示其正在开发可跨应用执行任务的自主式AI Agent,而Meta、OpenAI、Anthropic已率先推出同类产品。
产品应用 · 2026-11-200 阅读华为云发布昇腾原生具身世界模型CloudRobo-WM1.2,两项评测均列第一,并计划开放模型权重与全套代码。
产品应用 · 2026-11-200 阅读微信推出桌面端AI应用生成Agent「做个小工具」,支持macOS和Windows,底层采用自研WeLM模型。用户用自然语言描述需求并确认方案后,由云端智能体自动开发,可在模拟器预览,并一键推送到手机/PC微信小微真机使用。来源:AI工具集
产品应用 · 2026-11-200 阅读