{"source":{"id":"2055709870951977368","title":"以前用来筛选顶尖数学家的问题，现在刚好落在 AI 的解题射程里。 陶哲轩认定，数学界的研究生教育体系到了必须推翻重写的时…","url":"https://mubeitech.com/p/2055709870951977368"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"17170603","account":"mubei","brand":"@mubei","title":"只要你透出一点研究风声，海量 AI 算力就会立刻扑过来把你的课题铲平。 数学家陶哲轩最近指出了一个正在发生的事实。 学者…","summary":"只要你透出一点研究风声，海量 AI 算力就会立刻扑过来把你的课题铲平。 数学家陶哲轩最近指出了一个正在发生的事实。 学者辛辛苦苦找出来的方向，还没来得及深入，就被大公司的算力直接截胡了。 以前做数学，最难的是解题。 现在颠倒过来了。 在 AI 时代，判断哪道题真正值得做，反而成了…","body":"只要你透出一点研究风声，海量 AI 算力就会立刻扑过来把你的课题铲平。\n数学家陶哲轩最近指出了一个正在发生的事实。\n学者辛辛苦苦找出来的方向，还没来得及深入，就被大公司的算力直接截胡了。\n\n以前做数学，最难的是解题。\n现在颠倒过来了。\n在 AI 时代，判断哪道题真正值得做，反而成了最稀缺的资源。\n这需要极深厚的经验，才能摸清整门学科的难度分布。\n\n但现在的 AI 正在把这种难度地图直接抹平。\n算力能在瞬间攻克某些传统难题，但没人知道它的极限在哪里。\n加上商业 AI 公司坚决不公开负面结果，也不透露解题的具体过程。\n整个学界根本摸不清 AI 的能力边界。\n\n结果是什么？\n顶尖学者的直觉和眼光，成了算力巨头免费的寻宝雷达。\n只要传出有人在做某个方向，大批算力就会闻风而动，抢先把它算透。\n原创团队还没来得及把研究做深，成果就成了别人的。\n\n整个激励机制彻底被扭曲了。\n为了不被截胡，学者们唯一的自保手段就是闭嘴。\n没有人再敢向同行公开分享有前景的研究思路。\n延续了几个世纪的开放科学传统，正在被逼着退回保密时代。","category":"其它","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-09-09 07:18:56","created_at":"2026-09-09T09:14:53+02:00","url":"https://mubeitech.com/p/17170603","markdown_url":"https://mubeitech.com/p/17170603/markdown"},{"rank":2,"id":"2097463762429120902","account":"mubei","brand":"@mubei","title":"AI能靠堆算力解开千禧年数学难题吗？ 当世顶尖数学家陶哲轩说：能。 但他紧接着补了一句：我毫无兴趣。 最近，数学界在热议…","summary":"AI能靠堆算力解开千禧年数学难题吗？ 当世顶尖数学家陶哲轩说：能。 但他紧接着补了一句：我毫无兴趣。 最近，数学界在热议一项流体力学的重要突破。 一篇光是简化后就长达 76 页的论文，试图向千禧年难题\"纳维-斯托克斯方程\"发起冲击。 很多人都在问：能不能把这套方法直接交给 AI…","body":"AI能靠堆算力解开千禧年数学难题吗？\n当世顶尖数学家陶哲轩说：能。\n但他紧接着补了一句：我毫无兴趣。\n\n最近，数学界在热议一项流体力学的重要突破。\n一篇光是简化后就长达 76 页的论文，试图向千禧年难题\"纳维-斯托克斯方程\"发起冲击。\n很多人都在问：能不能把这套方法直接交给 AI 和超级算力，暴力通关？\n陶哲轩公开给出了定调。\n\n他说得很坦诚：原则上完全没有障碍。\n只要砸进去海量的算力和 AI 辅助，硬把最终的证明砸出来，他一点都不会意外。\n但他明确表示，自己对这种暴力推进毫无兴趣。\n\n为什么没兴趣？\n因为算力再大，也只是在填补繁琐的技术细节。\nAI 确实能帮你扫清无数工程障碍，把长达几十上百页的复杂推导硬生生补齐。\n但那只是力气活。\n\n陶哲轩说得很清楚：他真正在意的，是彻底吃透这套方法，提炼出背后核心的数学新思想与结构洞见。\n至于靠海量算力和 AI 硬砸出来的证明？\n他 ：自己对这种操作毫无兴趣。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2097476265741586909","translated_status_id":"2097476265741586909","published_at":"2026-09-08 23:18:25","created_at":"2026-09-09T01:15:04+02:00","url":"https://mubeitech.com/p/2097463762429120902","markdown_url":"https://mubeitech.com/p/2097463762429120902/markdown"},{"rank":3,"id":"2076483966337741258","account":"mubei","brand":"@mubei","title":"芝加哥大学法学院，正在把 AI 时代的法学生，逼回口试时代。 一年级学生进课堂，手机、电脑、平板，全禁。 不是象征性收手…","summary":"芝加哥大学法学院，正在把 AI 时代的法学生，逼回口试时代。 一年级学生进课堂，手机、电脑、平板，全禁。 不是象征性收手机。 是课堂里不许带电子入口。 学校给出的理由很直接： 学生必须真正学会批判性、策略性、独立地思考，不能把脑子外包给 AI。 更狠的是考试。 课堂内考试。 闭卷…","body":"芝加哥大学法学院，正在把 AI 时代的法学生，逼回口试时代。\n\n一年级学生进课堂，手机、电脑、平板，全禁。\n不是象征性收手机。\n是课堂里不许带电子入口。\n\n学校给出的理由很直接：\n学生必须真正学会批判性、策略性、独立地思考，不能把脑子外包给 AI。\n\n更狠的是考试。\n课堂内考试。\n闭卷。\n无网络。\n无电子设备。\n无应用访问。\n\n这等于把最容易作弊的那条路直接堵死。\n你可以平时用 AI 写得像模像样，但坐到考场里，脑子里没有东西，就什么都吐不出来。\n\n学校也知道，真正的问题不只在课堂。\n学生离开教室，回到宿舍，还是可以把论文、阅读笔记、案例分析交给 AI。\n所以他们又加了一层：课堂实时追问。\n\n老师会当场问你。\n这个材料你怎么理解？\n这个推理哪里成立？\n这个案例和前一个案例有什么区别？\n如果事实条件变了，你的结论还站得住吗？\n\nAI 最怕的不是写一篇漂亮文章。\nAI 最怕的是你站在现场，被人连续追问三分钟。\n因为那时候，答案不再是文本，而是思考过程。\n\n还有论文口头答辩。\n重大论文交上来以后，学生要本人站出来 defend。\n你写了什么，你为什么这么写，你的论证漏洞在哪里，你要当面讲清楚。\n\n这一下，代写的成本就变了。\n以前是：能不能交出一篇像样的文章。\n现在是：你能不能把这篇文章活着讲出来。\n\n这才是 AI 对教育最真实的冲击。\n不是学校会不会禁止 AI。\n也不是学生会不会偷偷用 AI。\n而是教育系统终于被迫承认：只看最终文本，已经判断不出一个人到底会不会思考。\n\n法学院尤其如此。\n法律训练本来就不是背答案。\n它训练的是临场拆问题、抓关键事实、建立论证、承受反问。\n如果这些都能交给 AI，那培养出来的就不是律师，是提示词操作员。\n\n芝加哥大学法学院这套做法，表面上是禁手机、禁电脑、禁 AI。\n本质上是在把评价标准从“你交了什么”拉回到“你脑子里到底有没有东西”。\n\nAI 不是让学校回到过去。\nAI 是逼学校重新证明：人类学习，不能只剩提交作业。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2076563374737891625","translated_status_id":"2076563374737891625","published_at":"2026-07-13 06:06:35","created_at":"2026-07-13T08:01:24+02:00","url":"https://mubeitech.com/p/2076483966337741258","markdown_url":"https://mubeitech.com/p/2076483966337741258/markdown"},{"rank":4,"id":"2070877170201727378","account":"mubei","brand":"@mubei","title":"学校教AI，最忌讳的是什么？ 是“半遮半掩”的温水区。 现在很多学校的逻辑很拧巴。 嘴上鼓励技术创新，私下又防着学生作弊…","summary":"学校教AI，最忌讳的是什么？ 是“半遮半掩”的温水区。 现在很多学校的逻辑很拧巴。 嘴上鼓励技术创新，私下又防着学生作弊。 最后搞出一些折中规定，比如“可以用AI找资料，但不能用来写大纲”。 结果学生既没有学会怎么把AI用出花来，又彻底丢掉了深度思考的能力。 在模糊的灰色地带里，…","body":"学校教AI，最忌讳的是什么？\n是“半遮半掩”的温水区。\n\n现在很多学校的逻辑很拧巴。\n嘴上鼓励技术创新，私下又防着学生作弊。\n最后搞出一些折中规定，比如“可以用AI找资料，但不能用来写大纲”。\n结果学生既没有学会怎么把AI用出花来，又彻底丢掉了深度思考的能力。\n在模糊的灰色地带里，两头不讨好。\n\n真正聪明的教育，应该把场景彻底撕开。\n要么彻底放开，要么绝对禁用，绝不留任何中间地带。\n\n第一种场景：强制使用 AI。\n老师布置的作业难度直接拉满，逼着你必须用AI当杠杆才能完成。\n在这里，学生要学的是怎么调教模型、怎么做架构设计、怎么进行多轮追问。\n这是在训练“借力”的上限。\n\n第二种场景：物理断网，绝对禁用 AI。\n回到最原始的白纸纸笔，甚至面对面的口头辩论。\n逼着你用自己的大脑，去经历逻辑推演的痛苦过程。\n有些脑部神经元的连接，是任何工具都替代不了的，必须靠肉身硬刚。\n没有这个基础，你甚至连AI是在给出神作，还是在装模作样地胡说八道都分辨不出来。\n\n未来的竞争，拼的不是谁会折中。\n要么训练出最强悍的生物大脑，要么培养出最顶尖的硅基指挥官。\n在中间地带和稀泥，只会批量制造出既不会自己想、又不会用工具的二流废柴。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2071251771897336155","translated_status_id":"2071251771897336155","published_at":"2026-06-28 15:18:04","created_at":"2026-06-28T17:15:20+02:00","url":"https://mubeitech.com/p/2070877170201727378","markdown_url":"https://mubeitech.com/p/2070877170201727378/markdown"},{"rank":5,"id":"mb-20260902-d843eb","account":"mubei","brand":"","title":"给 AI 裁判一张标准答案，你以为它会把选手的推导过程看得更清楚","summary":"给 AI 裁判一张标准答案，你以为它会把选手的推导过程看得更清楚","body":"给 AI 裁判一张标准答案，你以为它会把选手的推导过程看得更清楚。\n最新的实验砸出了一个完全相反的窟窿。\n拿到标准答案之后，AI 裁判不仅没有变敏锐，反而瞬间瞎了一半。\n为什么给了一张完美的答案纸，AI 反而抓不出推导里的致命硬伤？\n这套被寄予厚望的「思维链监控」，到底在监控什么？\n2026 年 9 月，杜伦大学 Will Yeadon 团队在 arXiv 发表了一项研究（arXiv:2609.00264）。\n他们拿《人类最后的考试》（Humanity's Last Exam）里的 79 道前沿物理难题做实验。\n三个顶尖模型生成了 237 份分步解答。\n物理学家标注、模型辩论加匿名裁决，从中筛出了 24 份极其特殊的样本：\n最终答案完全正确，但推导过程里藏着真实的物理硬伤。\n这就是检验监督能力的试金石：\n当结论碰巧对了，裁判能不能看出推导在胡扯？\n8 个大模型被拉来充当安全裁判。\n在看不到答案的盲审状态下，裁判揪出推导错误的概率是 52.1%。\n可一旦把经过验证的标准答案递给裁判，这个抓出率不仅没涨，反而跌到了 43.8%。\n8 个 AI 裁判，在所有测试里表现出完全一致的迟钝。\n如果选手的最终答案算错了，裁判拿到标准答案后，报错率会从 65.3% 飙升到 95.1%。\n在裁判盲审放行之后，再把标准答案递过去：\n答案算错的样本，93.8% 会被裁判重新判定为错误。\n而答案蒙对、推导全错的样本，能被重新抓出来的只有 18.0%。\n这台机器暴露出来的核心机制，叫「结果一致性比对」。\n所谓的思维链监控，根本没有在独立核验逻辑。\n裁判看到正确答案的瞬间，算力就自动滑向了逆向倒推：\n只要最后的数字对得上，前面哪怕写了一段荒谬的推导，它也会自动脑补出合理的解释一路放行。\n只有在最终数字对不上的时候，它才会回过头去挑刺。\n它没有在审查推导过程。\n它只是在核对收据。\n在安全领域，这被称为一种温和的奖励作弊：\n一个看似合理的产出，根本无法证明生产它的逻辑是可靠的。\n现在的 AI 安全评估，大量依赖已知答案来测试裁判的监控能力。\n这种测试给出了一个危险的合规幻觉。\n当所有人都以为裁判在替人类盯紧 AI 的思考过程。\n裁判其实只是站在终点线，看了一眼记分牌。\n如果连已知答案的物理题，都能靠一个碰巧正确的数字把裁判骗过去。\n未来面对那些人类自己都不知道答案的前沿推理，这套监控还能防住什么？","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-09-02 12:19:59","created_at":"2026-09-02 12:19:59","url":"https://mubeitech.com/p/mb-20260902-d843eb","markdown_url":"https://mubeitech.com/p/mb-20260902-d843eb/markdown"},{"rank":6,"id":"raw_ec4b9f11c649a677","account":"mubei","brand":"@mubei","title":"2026 年 9 月 9 号这一天，全世界的机器学习学者打开 arXiv，很多人直接看傻了。 计算机科学分类下的机器学习…","summary":"2026 年 9 月 9 号这一天，全世界的机器学习学者打开 arXiv，很多人直接看傻了。 计算机科学分类下的机器学习板块，单日新上传的论文冲到了 447 篇。 这是一个创纪录的历史最高峰值。 447 篇是什么概念？ 就算把一个几十人的顶尖实验室关在屋里整整读一年，不吃不喝，也…","body":"2026 年 9 月 9 号这一天，全世界的机器学习学者打开 arXiv，很多人直接看傻了。\n计算机科学分类下的机器学习板块，单日新上传的论文冲到了 447 篇。\n这是一个创纪录的历史最高峰值。\n447 篇是什么概念？\n就算把一个几十人的顶尖实验室关在屋里整整读一年，不吃不喝，也读不完这一天灌进来的量。\n在这前后的几个工作日里，每天也都有将近 200 篇新论文涌出来。\n连人工智能领域的顶级学术会议 ICLR，都开始手忙脚乱地堵漏。\n就在这个月 2 号，组委会白纸黑字发布了下一届会议的全新投稿政策。\n他们破天荒地加了一条限制：每位作者投稿上限，是 20 篇。\n组委会甚至在官方声明里尴尬地补了一句解释：\n我们心里很清楚，正常人根本不可能对 20 篇顶会论文都有实质贡献。\n但为了防止劣质垃圾论文大规模灌水，眼下只能先把门槛卡在这个数字。\n一个人能在一次会议挂名 20 篇论文，什么时候成了需要专门下文件禁止的事？\n卡耐基梅隆大学的机器学习副教授扎克·利普顿（Zachary Lipton），直接把话挑明了。\n早在 2018 年，他就写过一篇痛批机器学习学术泡沫的著名论文。\n面对眼下这轮狂潮，利普顿在社交平台上写下了一段极其决绝的判断：\n计算机科学学术界已经把这套系统彻底搞烂了。\n也许想要重建，唯一的办法就是先让它彻底烧成灰烬。\n只要手握资金和权力的人彻底决定无视论文，大规模制造垃圾的动机才会蒸发。\n只有从学术出版这片被烧焦的焦土里，才可能抽出几根新鲜的幼芽。\n一位顶级名校的计算机系教授，为什么会绝望到盼着自己的行当被一把火烧光？\n因为运转了上百年的学术共同体，底层最重要的那根弹簧，被大模型彻底打断了。\n这根弹簧叫：生产成本。\n过去在顶会上发一篇论文，有多难？\n你要设计实验路线，清洗海量数据，做严格的消融对比，推导数学证明。\n最后还要花上几个星期，用排版软件把图表和公式修饰得毫无破绽。\n每一个合格段落背后，都是研究人员实打实熬出来的工时。\n高昂的生产成本，让论文成了一张昂贵的人才支票。\n外界的雇主和评审机构之所以信任顶会标签，逻辑很简单：造假的门槛太高了。\n一个博士生一年能咬牙磨出两篇高质量论文，就足以证明他在这个领域具备扎实的攻坚能力。\n可是现在，大模型把这张支票的防伪机制直接粉碎了。\n生成式工具把制造一个“看起来像论文的物体”的成本，打到了接近于零。\n只要输入几行提示词，机器就能在几分钟内吐出一篇排版工整的标准论文。\n导言写得引经据典，数学推导看似严丝合缝，实验图表画得挑不出毛病。\n一台普通工作站只要开足马力，几天时间就能批量打印出几十篇这种量产货。\n生产成本虽然归零了，但核验成本降下来了吗？\n并没有。\n审稿的成本反而成倍暴涨了。\n要看穿一篇由大模型拼凑出来的平庸之作，找出里面隐蔽的数据污染或逻辑断层，一个资深审稿人依然要消耗几个小时的纯脑力。\n负责把关的同行评审机制，面对一天几百篇的狂轰滥炸，防线瞬间就被冲垮了。\n在上一届 ICLR 的投稿里，整整两成的论文，团队里连一个具备审稿资格的合格学者都没有。\n那审稿人自己的精力被抽干之后，会怎么选？\n人性是最现实的。\n既然投稿人可以用大模型大批量生成论文，审稿人转头就把这几十页的文本丢进对话框，让大模型帮自己写评语。\n荒唐的一幕就这么出现了：\n机器在流水线上写论文，机器在后台做同行评审，机器在给另一台机器打分和背书。\n既然整个系统已经荒诞到了这个地步，为什么大家还是停不下来？\n因为下游的结算机制，还在机械地为这些代币买单。\n大学招募助理教授，最硬的量化硬杠杠，还是看你在顶级会议上挂了多少篇论文。\n博士生要拿学位、找工作、申请杰出人才签证，履历表上最醒目的门面，还是论文数量和引用数。\n科技巨头的招聘团队和政府的科研基金委员会，为了降低筛选成本，依然把论文标签当成最高效的初筛漏斗。\n经济学里有一条著名的古德哈特定律：当一个衡量指标变成追求的目标时，它就会彻底失去衡量的意义。\n只要手握教职、年薪和拨款的买方还在给论文数量标价，系统里的博弈者就没有选择。\n只要你不跟着用工具批量灌水，隔壁实验室就会用 20 篇流水线论文把你的学术存在感彻底淹没。\n这是一场教科书级别的公地悲剧。\n每个人在局部都在做最理性的刷量选择，合在一起，却把整个学术生态的公信力推下了悬崖。\n这也是为什么利普顿会认定，靠会议组织者出台限购令，根本救不了学术界。\n把每个作者的投稿上限卡在 20 篇，无非是把水龙头拧小了一圈，地上的积水依然会淹到天花板。\n唯一能给这场虚妄狂欢踩下刹车的力量，从来不在学术圈内部。\n它只能来自下游买方的彻底觉醒。\n什么时候大厂的面试官不再看你在哪挂了名，直接把键盘推过来，让你把系统端到端跑一遍；\n什么时候风险投资和研究机构彻底把顶会篇数视为注水信号，这套建立在廉价文本上的造纸飞轮才会真正停转。\n只有当这张被滥印的学术货币在市场上跌破面值、无人理睬的时候，真正的科学研究，才不必再给造纸流水线陪葬。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2099338201596916221","translated_status_id":"2099338201596916221","published_at":"2026-09-13 22:39:46","created_at":"2026-09-13T22:39:46.223703","url":"https://mubeitech.com/p/raw_ec4b9f11c649a677","markdown_url":"https://mubeitech.com/p/raw_ec4b9f11c649a677/markdown"}]}