陶哲轩谈AI数学：OpenAI成果是"掠夺式开采"，呼吁数学界建立自己的开放模型
菲尔兹奖得主陶哲轩在《新科学家》专访中批评OpenAI抢在数学家前完成纳维—斯托克斯问题版本证明的做法，称100页AI证明几乎不带来数学洞见，是一种"自动化掠夺式开采"。
#推理
钛媒体AI 评分7171
爱范儿AI 评分6262 爱范儿解读为什么新模型发布都先做一个游戏
爱范儿发文分析为何 AI 公司发布新模型时越来越喜欢让模型现场制作游戏，认为游戏比跑分和普通网页更能直观展示代码、空间理解、状态管理等综合能力。
钛媒体AI 评分5050 美国AI奇点：超常规GDP增长能否破解庞氏债务困局
Barron's巴伦文章分析AI带来的超常规GDP增长能否缓解美国债务压力，引用Anthropic联合创始人Jack Clark在2026年10月IMF曼谷年会的三档推演：2030年美国GDP在保守、显著渗透和极端奇点情景下分别约为34.1万亿、36.3万亿和44.4万亿美元，极端情景较基准高约32.4%。
钛媒体AI 评分6969 DeepSeek V4.1-Flash-1017 周调用量登顶 OpenRouter：一场成本决策的胜利
DeepSeek V4.1-Flash-1017 以 33.6 万亿 Token 的周调用量登顶 OpenRouter 全球第一，环比增长 801%。
钛媒体AI 评分6464 Agent、机器人与制药研究者对谈 GPT-6 Astra 带来的行业冲击
《硅谷101》访谈 Pokee.ai 朱哲清、破壳机器人许华哲和华盛顿大学王晟，讨论 OpenAI 9月4日发布的 GPT-6 Astra 对三个领域的影响。
Latent SpaceAI 评分7171 Latent.space 解析 AI 为何突然擅长数学：从 Erdős 单位距离反例说起
作者分析 OpenAI 与 Anthropic 今年公布的多项开放数学问题成果，包括 Erdős 单位距离猜想的反例、Cycle Double Cover 证明、Navier-Stokes 证明以及费马大定理形式化。
钛媒体AI 评分4949 钛媒体：AI办公之战，最不重要的是中场战事
腾讯WorkBuddy、豆包、千问办公靠营销战成为AI办公“御三家”，其中WorkBuddy以1115.23万月活居桌面端第一，百度搭子以674.30万居第二、环比增长1063.79%。
钛媒体AI 评分6363 数学的第四次危机：当AI证明从奥赛走向研究现场
作者提出AI正在引发数学的第四次危机：2026年10月OpenAI在GitHub一次性发布722篇模型生成数学手稿、归为372个结果族，次日撤回3篇、修订14篇；此前5月AI为埃尔德什单位距离猜想造出反例，9月宣称用约一万个智能体、88小时攻纳维—斯托克斯方程。
钛媒体AI 评分4444 TikTok CEO 周受资：AI 将在两到三年内带来真正的科学突破
TikTok CEO 周受资 10 月 12 日在新加坡 DBS 亚洲未来前沿会议上表示，AI 有望在两到三年内在物理、生物技术、化学和材料科学领域产生真正的科学突破。
钛媒体AI 评分6363 王兴兴与梁文锋从相反方向重估具身智能时间表
钛媒体发布具身商业前哨的专栏文章，梳理王兴兴在工博会上把具身智能最乐观时间表从两三年缩短到一两年、自称最大错误是对AI相信不够，以及凤凰网科技援引信源称梁文锋密集接触具身智能创业者。
钛媒体AI 评分3636 智源王鹏伟：当下世界模型都只学到了片面的世界，悟界·RoboBrain Orca 押注 action-free 泛化
智源研究院具身模型研究中心负责人王鹏伟在2026年智源大会发布悟界·RoboBrain Orca世界模型，提出以“无意识学习+有意识学习”两种范式建模，预训练未使用任何一条action数据，数据包含12.5万小时Web视频和130m事件级状态转移数据。
量子位AI 评分6262 陶哲轩：数学2.0时代已至，证明泛滥后数学家护城河在哪
菲尔兹奖得主陶哲轩发文提出数学2.0时代已至，认为AI正让数学证明从稀缺走向泛滥，建立在证明稀缺之上的数学1.0评价体系即将落幕。他归纳数学易受AI冲击的三个条件：证明可被客观检验、数学对象与推理高度可数字化、大量高质量文献已数字化，并提醒警惕只展示成功案例的幸存者偏差，呼吁把失败结果和算力成本纳入评估。
雷峰网AI 评分3232 昆士兰大学 Jen Jen Chung 在 IROS 2026 谈数据与信息的关系：数据越多≠决策越好
昆士兰大学 Jen Jen Chung 在 IROS 2026 主旨演讲中指出，决定智能上限的不是数据绝对规模，而是数据质量与信息密度。她以无人机自主滑翔、多机器人通信和富接触装配任务为例，说明盲目堆砌数据会导致系统崩溃与策略失能，并提出“策略修复”方案，用定向选取修复性样本替代盲目扩增数据。
InfoQ 中文AI 评分5050 Anthropic 技术负责人谈 2 万亿美元估值：蒸馏会毁掉前沿研发，中美 AI 竞赛不会单边暂停
Anthropic 两位强化学习技术负责人 Nicholas Marwell 和 Sholto Douglas 在播客中表示，蒸馏只能复制当前前沿、无法推进下一代前沿，而一次前沿训练成本可能达 100 亿甚至 1 万亿美元。他们同时称，任何真正的 AI 放慢方案都必须完全协调，基本不存在美国单独放慢的情形。访谈还提到，18 个月内模型已从需人盯守的工具变成能独立完成一两天工作的“初级团队成员”。
Latent SpaceAI 评分3434 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈"合成超级智能"：从半导体到超导体
Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 提出"合成超级智能"（synthesis superintelligence），主张以物理实验为环境的强化学习来构建能真正发现新材料的 AI 科学家。
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville 谈 AI 评测的意外失败与真实世界表现
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统性能边界，以及模型在传统 benchmark 之外测试时出现的"意外失败"。她结合自身从数学、物理、认知科学到计算机科学的经历，分享与当前 AI 系统协作的实用建议，并强调当结果超出预期时应仔细审视数据。
MIT Technology Review · AIAI 评分6262 AlphaGo 团队成员 Thore Graepel：LLM 并不会推理
前 DeepMind AlphaGo 核心成员、现伦敦大学学院机器学习讲席教授 Thore Graepel 撰文指出，LLM 并不具备真正的推理能力。他认为 AlphaGo 的 Move 37 并非直觉，而是由搜索机制对数千条未来分支进行推演后做出的选择，而当前 LLM 的链式推理仍由同一套 next-token 预测迭代产生，缺少独立推理机制。
Latent SpaceAI 评分3434 Latent Space 对话 MIT 的 Alex Zhang：从 GPU kernel 到递归语言模型 RLM
MIT 的 Alex Zhang 在 Latent Space 播客中介绍了递归语言模型（RLM）等工作，基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的方案，早于 OpenAI 的 Astra。
Berkeley AI ResearchAI 评分3232 自适应并行推理：高效推理扩展的下一范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前方法多由外部预设并行结构，模型无法自行决定何时分解任务、开多少线程。文章重点讨论自适应并行推理，即让模型根据问题自主决定并行化时机与协调方式，并提及 ThreadWeaver、ParaThinker、GroupThink、Hogwild! Inference 等方法。