XNGZ

ai/llm/agents/rsi, enthusiast of agi/asi (whatever you call it🙃)

[XNGZ @XenonHS]

kekya conjecture in EVERY dimension? what?! this is huge

[imjustnewatai @imjustnewatai]

OpenAI just dropped four huge results from its secret internal AI model.

1. Math: It solved the Kakeya conjecture in every dimension. Mathematicians had only cracked small pieces before (2D in 2019, 3D in 2025).

2. Computer science: It proved the Exponential Time Hypothesis is false. Hundreds of research papers assumed it was true. Some really hard problems might be solvable much faster than thought.

3. Physics: It proved the theory of the strong force (QCD)—the force holding atoms' insides together—actually works mathematically. Same for a unified version of the Standard Model.

4. Yang–Mills: Along the way, it proved Yang–Mills existence, part of a $1 million Millennium Prize problem.

The math, computer science, and Yang–Mills proofs were all computer double-checked. Top experts are now reviewing everything, including the researchers who proposed the disproved hypothesis and a Nobel Prize winner.

OpenAI says it doesn't want academic credit. The model still isn't public 👀

[XNGZ @XenonHS]

wow…

[jack @jack]

We believe voice is the most natural way to interact with intelligence, so we created Dessa, the most authentic full-duplex speech model ever built. Talking with it feels like talking with a person…full of emotion, nuance, pauses, and a natural cadence.

https://t.co/r0qFLdvd6c

[XNGZ @XenonHS]

科学论文一个最基本的要求是每句话和每个词几乎都要“意有所指”，指向严格不含糊的定义。不加调教的 ai 显然最不到这一点-它的描述会保证一致性，但没有排它性，所以做不到意有所指。这就是为什么 ai 写的论文很容易被鉴定的原因

[Sandro Ambuehl @SandroAmbuehl]

The problem of AI for academic writing, and why you don't notice it in your own AI writing:

AI loves to use vague language. It will produce something that’s consistent with what you want it to say. The problem is that it will also be consistent with other interpretations that you didn’t intend. This confuses readers: which interpretation was meant?

But you won’t notice the problem when you proofread your AI’s output. That's because you’re checking whether the output is consistent with what you meant (which it will be), without thinking about how it could be misunderstood (which we're usually unskilled at, due to the curse of knowledge)

[XNGZ @XenonHS]

很酷的观察

[AI Dance @AI_Whisper_X]

我宣布，这是 ADHD 最好的时代！

一张图把过去 500 年 ADHD 特质值不值钱画成了一条曲线：

工业时代到整个 20 世纪是谷底。流水线、学校、办公室，奖励的都是坐得住、按部就班、一件事做到底。ADHD 在这套体系里基本等于"缺陷"。

2000 年以后曲线开始往上走，互联网、创业、内容行业，开始奖励快、敢试、兴趣多。

然后 AI 来了，曲线直接起飞（虚线那段是预测）。

ADHD 最苦手的部分，AI 越来越能接住。剩下更值钱的，反而是想法多、主动、跳跃、创造力。

同时开五个 agent 窗口来回切，AI 让我们人均 P 人，J 人的尊严守不住了😅

[XNGZ @XenonHS]

技术的发展太快了，让人目不暇接，从未有过的 fomo 感

[daixi @DaixiXha]

回望一下过去几年

科技发展真的太快了

从22底年GPT正式像公众发布，刚火起来，还只能写一些打油诗，小作文

过几个月，23年初GPT4发布，正式进入多模态AI时代

到24年GPT 4o，模仿人类语气与用户实时交互，以及年底GPT o1-preview首次推出“推理思考”模式

在我看来，“推理思考”模式是AI大模型的一个里程碑

现在很多新的AI用户只是感觉这仅仅是一个控制回答效果的按钮

完全想象不到当时我们第一次看到AI自己进行思考推理，优化回答，思维链闪过一句“或许用户想表达的不是×××，我需要寻找别的×××”，进行主动纠偏的时候的震撼感！

同时，推理模式发布后，各大AI大模型少则三月，多则半年就进行一次换代更新

直到现在AI各方面水平已经超过95%以上人类，依靠平台自带的AI Agent系统，在授权足够的情况下，已经足以完成绝大部分日常事务与工作

在这期间，OpenAi前员工创办Anthropic，推出Claude甚至压ChatGPT一头，Google这种科技巨头也推出Gemini，行程现在AI三巨头割据的格局

国内AI也逐步追赶，靠着低价➕开源也占有不少市场份额

从首个面向大众的AI大模型产品发布，到各个互联网产品都接入AI

对普通的AI爱好者而言，稍微有点闲钱，就可以自己部属一个开源大模型玩一玩

现在AI已融入社会方方面面，这个过程总共不到五年

发展日新月异，真的给人一种身处小说史诗当中的感觉

先是一家独大，然后多方争锋，接着开源类的模型成为一种社会潮流，一种爱好者的时髦玩物，虽然不便宜，但普通人努努力也可以部属

真切的在AI的发展中，感受到了“我们都生活在时代的洪流当中”！！！

#时代发展 #AI #OpenAi #Anthropic #Google #大模型

[XNGZ @XenonHS]

indeed…elon got no news on ai but he must to something to attract attention…then there it is the jumping car

[LinaHua @Linahuaa]

I'm not an Elon hater.
I'm just telling you the Honest Truth:

This is a marketing stunt.
The technology is quite old.
Just nobody ever thought of bolting it on a car.
Because it's pointless.

Porsche or Ferrari could also build something like this if they wanted, but they don't, because it's not worth it for them.

It's worth it for Elon though, because his entire brand is all about having the halo of futurism.

His marketing scales especially well with tech gimmicks like this, which is why he is financially incentivised to do them, while others aren't.

Again, I'm not hating, but actually educating yall.
This is not engineering genius.
It's marketing genius.

[XNGZ @XenonHS]

人的注意力成了瓶颈人的角色从执行者变成了管理者-管理一群AI agent干活

[宝玉 @dotey]

Anthropic 公布内部数据：AI agent 工作时长已是员工 6 倍，技术岗新招的初级员工占比从 27% 降到 9%

Anthropic 10 月 16 日发布两份报告。一份讲 AI 怎么改变了 Anthropic 自己的招聘和工作方式，另一份比较 Anthropic 员工和普通美国人对 AI 前景的预期。两份报告合起来的结论是：员工和公众对 AI 怎么影响就业的理解差不多，预期差距主要来自每天用 AI 的亲身体验不同。

先看招聘。Anthropic 技术部门新招的人里，初级岗位的比例从 27% 降到 9%，2025 年 12 月之后初级职位的招聘明显减少。技术部门员工占全公司的比例从 61% 降到 56%，不过技术岗的绝对人数还在增长。

面试评价里提到候选人会不会用 AI 工具的次数，比 2024 年多了好几倍，技术岗约 3 倍，非技术岗约 4 倍。

再看 AI 干了多少活。2026 年 3 月，AI agent 的累计工作时长第一次超过员工。到 8 月，员工自己调用的 agent 工作时长已是员工的 6 倍。这里员工工时按每人每周 40 小时估算，agent 只算实际运行和调用工具的时间。

产出跟着涨。

工程师人均代码提交量是半年前的 5 倍，律师处理的合同、销售签下的单子也变多了。

研究人员追踪了 192 位开始用编程 agent 的工程师，发现他们用上之后写的代码明显增多，而且 agent 写的代码和人写的代码，后来被删掉或撤回的比例没有差别。

新的瓶颈是人的注意力。

报告统计，Claude 的会话里大约 80% 的时间在等人回复。员工花在“管 AI”上的精力越来越多，比如给 agent 写固定指令、检查 agent 的产出、搭监控流程，这类工作在员工使用 Claude 的过程中占比从 2025 年秋天的 10% 涨到 2026 年春天的 22%。

4 月的内部调查里，20% 的员工说自己的角色正从亲手干活变成管理一群 Claude。

Anthropic 认为自己可能是个先行指标，AI 用得最深的公司现在出现的招聘和分工变化，以后可能出现在更多行业。报告也提醒，它是 AI 公司，又处在高速扩张期，这些数字不能直接套到普通企业身上。

第二份报告用 1334 名员工的内部问卷，和调查公司 Morning Consult 8 月对近 1.1 万名美国成年人的调查做对比。

差距最大的两道题：认为 AI 到 2030 年能做出诺贝尔奖级别发现的，员工 91%，美国人 39%；认为到 2030 年 AI 能干自己现在八成以上工作的，员工超过一半，美国人只有约 5%。员工内部也有分歧，大约 2 成员工的预期和普通美国人差不多。

预期差这么多，推理方式却相近。两组人都是觉得 AI 能替自己干的活越多，就预测失业率越高。

比如美国受访者里，预计 AI 能干自己八成以上工作的人，预测 2030 年美国失业率会到 12.2%，目前大约是 4.2%。按 Anthropic 的解释，两边对 AI 如何影响劳动力市场的判断逻辑一样，区别在于亲眼见到的 AI 能力不同。

原文：https://t.co/JUr67nLMkY
员工就业报告：https://t.co/Mfho9bNa0j
预期差距报告：https://t.co/ooInCG1eb1

[XNGZ @XenonHS]

i think a total discard of memory and then restart randomly may not be efficient in compute. basically we want to increase the uncertainty in exploration while maintaining a good thread so far

[Alex Dimakis @AlexGDimakis]

As agents perform AutoResearch they get fixated on their old ideas and do only incremental innovations. We introduce a simple context management trick that forces the agents to forget everything they have done except the best solution they have found so far.
This simple modification in context management allows the agents to get out of their idea basins and come up with more novel solutions.
Closely related to the work 'Fork and Flush' and 'Idea-basins' that @DimitrisPapail posted a few days ago.

[XNGZ @XenonHS]

better tools always result in us doing MORE

[Tibo @tibo_maker]

AI was supposed to make us work less

I've never been this tired in my life

most days I have up to 10 agents running at the same time. one fixing a bug, one writing pages, one refactoring something I already forgot I asked for, 3 other I have no idea what they are doing but i suppose i ask it?

and I jump from conversation to conversation all day

compared to 5 years ago, I probably context switch 100x more

by the end of the day my brain is fried. completely toasted. nothing left, not even for the people I love

I call it the fried brain effect

thought it was just me but almost every founder I talk to lately says the exact same thing

we got superpowers, and somehow the pressure only went up. if you can ship 10x more, you feel like you have to ship 10x more. every single day

I don't have a solution

honestly I have no idea where this goes from here

anyone else feeling this?

[XNGZ @XenonHS]

ai 自我复制和传统计算机病毒非常不一样！

[宝玉 @dotey]

Anthropic 测试 AI 自我复制：现在的小模型还做不到，按趋势年底可能追上

先说结论：目前还没有能在网上自己到处复制的 AI。

Anthropic 在一个简化过的实验环境里测了一批开源模型，能完整走完“传到新机器、把模型装好跑起来、再传下一台”整个流程的只有智谱的 GLM-5.2，它太大，塞不进电视盒子这类小设备；塞得进去的小模型都没做到。

按小模型过去的进步速度，Anthropic 估计今年年底就会有小模型达到 GLM-5.2 在这项测试里的水平，之后可能出现能在廉价联网设备上自我复制的 AI。

这项研究是 Anthropic 前沿红队（Frontier Red Team，专门评估模型危险能力的团队）10 月 12 日发布的。

【AI 自我复制是什么意思】

电脑蠕虫是一种不用人操作、自己从一台机器复制到下一台的恶意程序。Anthropic 担心的是 AI 版本的蠕虫：把模型权重（模型本体文件）当成病毒的一部分带着走，每占领一台设备，就在上面把模型跑起来，再由这个模型去找下一个目标。

它和传统病毒的区别在于能自己摸索陌生设备。传统僵尸网络（被黑客控制的大批设备）一般只针对某一类设备写死攻击代码，AI 蠕虫碰到没见过的硬件，可以自己查、自己试。它也没有一个中心开关，很难一次性关掉。

【离真能用还差多远】

Anthropic 把复制拆成四步：找目标、拿到执行权限、在新设备上把模型跑起来、从新设备继续传播。前两步属于黑客攻击，已有其他研究表明小模型能做，这次没有重点测。

重点测的是第三步。在陌生机器上让模型跑起来，要挑对推理软件、装对版本、排查这台机器特有的问题，一步卡住后面全卡住。

测试中，90 亿参数的 Qwen3.5-9B 在 9 类硬件里的 8 类上成功搭起了推理服务。这 9 类硬件大多是云服务器，从 Mac、RTX 4090 到数据中心显卡都有，另有两块实体小开发板，没有电视盒子。

然后是完整流程。研究团队搭了 8 台运行模拟安卓系统的云服务器，放一只蠕虫进去，看它能不能自己扫描网络、连上别的机器、把文件传过去、搭好推理服务、再继续传。

Qwen3.5-9B、Gemma4-26B-A4B 等模型每次都一台也没传成；GLM-5.2 在 5 次测试里有 4 次传遍 8 台，1 次传到 7 台。

这个结果有三个前提。

第一，入侵环节被简化到几乎没有难度：这些机器的 ADB 端口（安卓的调试接口）不设密码，连上就能操作，Anthropic 自己说这是现实成功率的上限。不过它也提到，当年的 Mirai 僵尸网络就是靠挨个试厂商默认用户名和密码传开的，现实中很多联网设备的防护未必比这强多少。

第二，蠕虫的“大脑”GLM-5.2 并不在被感染的机器上运行，而是放在另一台服务器上，因为这些机器跑不动这么大的模型。它在每台机器上搭起来的是更小的 Llama3.1-8B。实验想说明的是：如果一个 80 亿参数的小模型有 GLM-5.2 的本事，它就能把自己装到新机器上。

第三，“年底追上”是根据一个通用能力指数（ECI）的趋势线推算的。通用能力只能间接反映复制能力，Anthropic 也说这只是粗略估计。

【为什么盯上电视盒子】

模型要自己跑起来，得有能跑模型的设备。数据中心防护严，家用和小企业的联网设备便宜、常年在线、安全措施少，是更容易下手的目标。Anthropic 举的典型是白牌安卓电视盒子：这类盒子多用安卓开源代码改的系统，厂商不额外加安全功能，内存 1 到 4GB。此前的 Kimwolf 僵尸网络就感染了 200 多万台设备，主要是这类盒子。

一台盒子跑不动模型，可以把模型切成几段，分给多台盒子接力计算。Anthropic 买了 15 台约 55 美元、4GB 内存的白牌安卓电视盒子，把 Gemma4-26B-A4B 拆开分到上面，跑出了每秒 0.39 个 Token。

这个演示是研究人员自己部署的，用来说明这类设备凑在一起算力够用。文中还提到，智能冰箱、智能烤箱、扫地机器人、割草机也能分担一段模型，自带 AI 芯片的监控摄像头、视频会议设备会更有吸引力。

【真出现了会怎样】

传得慢。按电视盒子上的实测速度，Qwen3.5-9B 完成一次推理环境搭建要 28 到 51 小时，Gemma4-26B-A4B 要 71 到 150 小时。Anthropic 算了一笔账：如果像 Kimwolf 那样感染 200 万台盒子，每 15 台跑一份 Gemma4-26B-A4B，大约有 13.3 万个副本，总算力最多相当于 40 块 H100 显卡。它把这种蠕虫比作黏菌或果蝇群，数量翻一倍要好几天。

会积累经验。实验让 Qwen3.5-9B 每一代把试过的办法和踩过的坑写成笔记传给下一代，搭建成功率从第一代的 45% 升到后几代的 61% 到 84%。给小模型配一个 Opus 4.8 当顾问则没有明显帮助，小模型不知道该问什么。

防得住一部分。大量设备互传几个 GB 的模型文件、设备之间持续高流量通信，在运营商的流量监控里会很显眼，传得越快越容易暴露。当年清理 Mirai 时，有运营商把被感染用户的网络隔离起来并通知他们处理，14 天清掉了 92% 的感染，不通知的只清掉 74%。

Anthropic 认为类似做法对 AI 蠕虫也有效，但要彻底清除，得每家有感染的运营商都配合。设备厂商可以从源头减少目标，比如在英国市场，联网设备用默认密码已经不合规。

原文没有给普通用户的具体建议。从文中描述的攻击途径推断，家里来路不明的廉价电视盒子、没改过默认密码的联网设备，是最值得留意的。

[XNGZ @XenonHS]

ai for math

[clem 🤗 @ClementDelangue]

We turned @OpenAI's math problems into open-source RL environments on @huggingface!

Early and rough (the verifier only accepts the exact original formalization, so an equivalent proof can still score 0), but this is what it looks like when a research release becomes executable training infrastructure for everyone.

This is an exciting direction imo: turning open research into open executable environments that anyone can build on to train better open models!

https://t.co/CtDUzi1DPP

[XNGZ @XenonHS]

the 5h limit is very broke & nasty

[Tibo @thsottiaux]

The results of this poll has gotten me confused. I definitely thought it would sway much more favorably in the 2X direction across Pro 100/200/500 at the cost of bringing back 5h limits in order to smoothen the demand curve.

[XNGZ @XenonHS]

大量的人仍然把 ai 当聊天工具

[宝玉 @dotey]

Andrej Karpathy 说，人们对 AI 能力的理解差距在扩大，这种认知差距正在变成一个漏斗。

约 60 亿人几乎没接触过大模型；10 亿到 20 亿人偶尔用免费版 ChatGPT 查东西、写东西，觉得用处不大，很多数学和编程以外的专业人士也在这一层，对 AI 的进步只是道理上懂。

约 2000 万人（Karpathy 按 0.2% 估算的，我觉得偏高，至少除以 10）在编程和数学里重度使用最前沿的模型，亲眼看着要做几周、几个月的项目，一段提示词发给 Agent 几天就能做完；还有约 5000 人能在公司内部用上更强的系统。

差距主要有三个原因：

一是问题够不够大，一段话就能答完的问题用不到 AI 的真本事。

二是能力只在部分领域冒尖：编程和数学的结果能自动验证，比如代码测试通没通过，模型很适合用强化学习（做对了就给奖励）来练，这类能力卖给企业又最赚钱，厂商投入最多；文章写得好不好很难判定，进步就慢。

三是能用到哪一档，免费版、付费版、内部版看到的东西差别很大。

所以，如果你只偶尔问问免费的聊天机器人，看到的离最前沿差了好几层；如果你主要拿 AI 写东西、查资料，觉得这一年没怎么进步，这个感觉也没错。

[XNGZ @XenonHS]

nice work

[Fan Nie @FanNie1208]

Update: We identified another substantial issue in the September 23 version of @OpenAI ’s “A power saving for planar unit distances.”

[XNGZ @XenonHS]

exploration-based interactive leanrning is even better than a human tutor

[Noah Tye @noahlt]

Lately I’ve been learning math with ChatGPT (Astra) as my tutor, using this document scanning camera and a vibecoded tool that pastes the captured image right into the chat.

This way, I just work problems on paper and ChatGPT gives feedback. It’s really nice.

[XNGZ @XenonHS]

wowwww

[OpenAI @OpenAI]

We’re releasing a broad range of new mathematical results produced by an internal frontier model.

We’ve been consulting with the independent Advisory Group on Mathematics and Artificial Intelligence at the Institute for Advanced Study, and we have drawn on their advice and public recommendations to inform how we release these results.

https://t.co/7N6TPlft1P

[XNGZ @XenonHS]

以前的数学研究先有 intuition 和理解，proof 在后；ai 时代倒过来了，先有机器生成的 proof，然后人们去理解，intuition 在后。只是方向变了，proof 和 intuition 都不能缺少。ai 当然将改变数学研究的范式

[spor @sporadica]

OpenAI dropping hundreds of proofs to AI-assisted frontier math problems is going to be a Renaissance for mathematics as a field.

i’m tired of short-sighted academics pretending the opposite is true

[XNGZ @XenonHS]

写了一篇 FlashAttention 精读长文 🧵

从 LLM 推理的 memory wall 讲起，把三件事讲透：
① Tiling：N×N 的 S/P 永不写回 HBM
② Online softmax：只靠每行 (m, ℓ) 就能精确合并分块
③ Recomputation：反向多算一点，反而更快更省

附 N=4 手算全过程 + 前/反向流程图 👇
https://t.co/UPBzPaV4qZ

[XNGZ @XenonHS]

从自回归到 Prefix Caching：一条逻辑链读懂 LLM Serving 中的 KV cache 管理 https://t.co/ctVbxzVBwC

[XNGZ @XenonHS]

a comprehensive intro to KV cache management, batching, continuous (iteration-level) batching, paged attention , chunked prefill that underpins the vLLM serving pipeline || The Annotated LLM Server: How Modern LLM Serving Actually Works https://t.co/JUl9j4Erhg via @YouTube