2023 年 4 月，丘成桐在复旦大学说过一句话。
「人工智能不可能对最尖端的数学家有任何影响」。
两年半过去，他在新论文里感谢了两个大模型。
一个是 Claude Pro。
另一个是 GPT 6 Astra。
论文要解决的，不是一道新题。
是 44 年前他自己写进问题清单的那一道。
问题的舞台[……]
作者： admin
1200 万个候选里只留 5000 个：他们把 AI 造数据的流水线全自动化了
先做一道选择题。
想让一个模型更会写代码，该从哪里下手。
多数人的第一反应是换更强的算法。
或者堆更多的算力。
一份刚公开的技术报告，给了第三个答案。
答案很朴素。
先把数据做干净。
而且这件事本身，也交给智能体去做。
报告来自几家高校和一家大厂的研究者。
他们做了一个叫 LegoFlow 的框架。[……]
不用每次都请最贵的模型：openJiuwen 开源了一套会自己挑模型的调度层
问一个再简单不过的问题。
「帮我把这句话翻成英文。」
AI 助手转身叫来一个参数上千亿的模型。
它还跑在最贵的算力上。
它很贵。
同一时间，另一个用户让它写五十行代码。
还得自己 debug 三轮。
它叫来的，还是同一个模型。
这就是今天很多 AI 应用的真实状态。
一个模型包打天下。
问题不只是贵[……]
和旗舰模型同题交卷，国产新模型在前端创作上不落下风
中秋刚过，国庆又到。
AI 圈却没跟着放假。
新模型还是一个接一个上线。
旗舰忙着刷新上限。
速度档的模型，则盯着日常工作。
后者的能力越涨。
两者的分工就越模糊。
过去要请出旗舰才能做的任务，如今交给名字里带 Flash 的模型。
能做到什么程度，值得先看看。
前端创作是个很直观的窗口。
把作品摆[……]
arXiv 开始限流：每人每月最多投两篇，被拒也照样占额度
论文也要限流了。
这次出手的是 arXiv。
它是全球最大的预印本平台。
物理和数学的很多新成果都先挂在这里。
新规其实只有一句话。
每个投稿人，一个月最多提交两篇论文。
就这么简单。
而且是所有学科一视同仁。
不是只卡最近涨得最猛的人工智能。
额度比很多人想的更紧。
它算的是提交次数，不是最后成[……]
OpenAI 长文拆解：超级智能最值钱的用处，可能最枯燥
人类的方程式，已经能大致描述宇宙从第一刻开始的演化。可到今天，还没有一个人离开过月球。
这是道错位，也是 OpenAI 两位员工一篇长文的起点。10 月 1 日，他们发布《永恒的互补品》，给出一个有点反直觉的结论。机器智能最可能大展身手的地方，是那些枯燥、庞大又反复的执行工作。
长文是 OpenA[……]
智能体成了云的新负载，阿里云把整条数据链路重做了一遍
港科大给 AI 做了一把尺子：算得对，不等于跑得快
一份能跑对的程序，可能只是慢。
慢到没法用。
规模一大，等待就长。
把它搬到显卡上，是最常见的想法。
听着直接。
做起来远不止换一门语言。
港科大的一支团队没有急着下结论。
他们先做了一把尺子。
要量的只有一件事：大模型能不能把一份可信的处理器程序，改写成结果正确、整体更快的显卡版本。
尺子叫 Ac[……]
一边聊天一边办事：WorkSwarm 把全双工做成了能用的样子
AI 助手正在换一种工作节奏。
一边和你说话，一边在后台替你办事。
听着简单。
做起来一直不简单。
谷歌近期更新 Gemini Live 时，就把后台的工具调用直接塞进了实时交互里。
助手先回一句「我去查一下」，再慢慢处理那些要花时间的工作。
这个顺序变了。
问题也跟着来了。
查资料要时间。
做分析[……]
