Lazy loaded image
AI日报
11月22日AI资讯 | Claude黎曼猜想获验证;OpenAI设计AMD GPU;哈佛开源虚拟细胞;Agent评测基准密集发布;国产AI超算助科研
字数 1979阅读时长≈ 5 分钟
2026-11-22
2026-11-22

1、刚刚,Claude的黎曼猜想证明通过形式化验证!

Anthropic数学家Levent Alpöge与Claude合作完成的黎曼猜想形式化证明,在不到24小时内通过Lean与Mathlib社区的联合验证。该证明库共1700万行Lean代码、175187个模块,经全球数十名验证者全量编译,零报错通过,且仅依赖Lean三条标准公理;5个核心定理同时覆盖广义黎曼猜想。MIT数学家Andrew Sutherland公开的验证日志显示,由Claude编写的con-leche等四套独立内核交叉核验一致,哈希值完全吻合。

2、OpenAI爆改旗舰GPU,AMD直接送厂流片!

OpenAI宣布其GPT模型参与AMD旗舰GPU电路设计,通过重写SystemVerilog RTL代码,在不到5个月内实现PPA最高提升14%,相关设计已被AMD送去流片,部分成果进入生产设计文件。此前OpenAI在自研推理芯片Jalapeño中用GPT-4o辅助设计,乘法器面积约降15%、运算周期由2降至1,向量和矩阵单元标准单元面积分别约省13%和10%。OpenAI还评测了GPT-6.2 Astra等在RISC-V处理器核上的设计能力,并计划与Synopsys合作训练GPT-Synopsys。

3、哈佛开源虚拟细胞模型:编辑DNA前先预演整个细胞,AlphaGenome2后又一进展|NeurIPS'26

哈佛医学院、约翰斯·霍普金斯大学与默克团队提出虚拟细胞模型STRAND,论文被NeurIPS 2026主会接收并公开代码。该模型以“DNA序列+目标位置”为干预输入,支持约95%基因组、128 bp表示单元,可预测干预后延伸至输入窗口外的多基因表达。在K562、Jurkat、RPE1的few-shot实验中综合平均排名1.86,优于次优方法3.14;K562扰动判别分数由STATE的0.538升至0.710,相对提高约32%。在Google DeepMind发布AlphaGenome 2后,该工作展示了结合DNA与单细胞基础模型进行虚拟扰动预演的新进展。

4、反超Gemini之后,Karpo新作再开源,浏览器Agent速效双赢

MachinePulse AI开源面向Agent高频决策的Karpo Decision 31B,在300个模型参与的Decision Index总榜以73.9分登顶,单题最多判断255个候选,校准误差2.3%;单张RTX PRO 6000部署下中位响应94毫秒,36题准确率100%,比Gemini 3.5 Flash快约6倍。团队同时开源karpo-browser框架、Karpo Decision 27B Act模型及KBB评测集,在Browserbase Benchmark v2的102项任务中实现89%成功率、平均201秒、单任务成本0.096美元,速度约为Claude Fable 5.2加Claude Code的1.9倍,成本仅其十三分之一。

5、NUS发布System One模型评测基准:能力有多宽,决策有多稳?

新加坡国立大学xML Lab团队发布System One模型评测基准SO-Arena,包含2919项任务,覆盖5个能力族11个领域,并设能力分C与结合选项重排、正确选项缺失的可靠性分R。团队评测21个模型,GPT-6 Sol和GPT-6 Luna分别以82.3和79.7领先;开源System One最佳GLiDE与KnowLine-31B均为70.2,落后Luna约10分,GLiDE单任务延迟约113毫秒。结果显示不同领域差距差异明显,能力排名与可靠性排名并不一致。

6、8万条群聊消息做成考卷:腾讯元宝×KCL发布首个基于群聊构建的Agent记忆基准

腾讯元宝与伦敦国王学院NLP团队推出GroupAssistBench,基于50个真实群聊、80,299条历史消息构建2,395道题,评测Agent的L1记忆召回与L2开放式服务,并比较14组配置。EverMemOS的L1得分0.621高于完整上下文0.570,但L2得分0.247低于后者0.431;497条配对记忆中约36%已召回信息未进入L2输入,约64%进入却未被有效应用。团队提出RER与ACB干预以提升服务表现,论文、代码和数据集已公开。

7、Claude Opus 5拿到45.7分,25个大模型视频记忆大考

悉尼科技大学、香港中文大学、香港科技大学和浙江大学联合提出视频对话记忆评测基准VideoMemBench,包含326段视频、2476轮问答,其中1387轮需回溯前文,考察场景依赖与答案依赖。25个模型参与评测,Claude Opus 5以45.7分居首,Gemini 3.8 Flash为42.4分,Kimi K3为42.2分,GPT-5.6-sol为41.7分;Claude Opus 5的答案依赖仅为35.7%。依赖距离增至5轮以上时,平均准确率由30.2%降至23.1%。

8、AI服务商焦虑算力时,手里的GPU用好了吗?

生成式AI算力焦虑下,企业一面大举囤卡一面闲置。VentureBeat Intelligence于2026年7至9月调查218名已上线AI的受访者,其中79%自报显卡至少一半时间空闲,而172名自报空闲者中仍有70%计划增配。IDC数据显示,2026年第一季度全球AI基础设施支出达897亿美元,同比增长约33%,此前NVIDIA H100交付等待曾长达8至11个月。卡内基梅隆大学与伊利诺伊大学2026年4月研究还发现,推理服务中显卡常处低负载「执行空闲」状态,功耗约110W,可占推理总能耗的7%—65%。

9、编程智能体指挥机器人,该怎么考?1156个任务、三种考法,把失败定位到每一步

西北大学、卡内基梅隆大学等8所高校团队推出具身第一考(EFE),用统一框架评测编程智能体控制仿真机器人的能力。该基准覆盖1156个任务、35个任务集和47款机器人,设特权、标准、实时三种考法。团队从456个高难度核心任务评测10个编程智能体,标准模式下最强Claude Fable 5.2仅解出一半测试、最弱不足7%,特权模式下12个任务集平均成功率超70%。EFE还将任务拆分为阶段,以定位失败步骤。

10、中国计算,走出新的登峰之路

2026年国际超级计算大会上,中国科学技术大学联合中科院物理所、国家高性能计算机工程技术研究中心完成的铁钼辅因子量子化学计算项目获ACM戈登·贝尔奖;中科天机SD3全球公里级气象数值模拟系统同期入围戈登·贝尔气候建模奖决赛。两项成果均基于今年7月投用、接入国家超算互联网的全国产十万卡AI超集群曙光8000。该集群已支撑300余项重点应用完成深度优化,覆盖30多个科研与产业领域,BF16弱扩展至4.5万卡仍保持94.9%扩展效率。
上一篇
【紧急加更】谷歌Bard中文版火爆上架,畅享中文对话,一键登录,告别ChatGPT封号困扰!
下一篇
11月21日AI资讯 | GPT-6.2 Astra具身成功率翻倍;混元Hy4回应技术路线;Claude黎曼证明待核验;TML开源循环Transformer