{"source":{"id":"mb-20260901-304e38","title":"清华大学的研究团队，打破了一项保持 41 年的计算机算法世界纪录","url":"https://mubeitech.com/p/mb-20260901-304e38"},"method":"semantic-similarity","count":4,"items":[{"rank":1,"id":"2077046588212699211","account":"mubei","brand":"@mubei","title":"20分钟，没纸，没笔，一个荷兰数学家在阿姆斯特丹咖啡馆里，把现代导航最核心的问题想明白了。 他叫艾兹赫尔·戴克斯特拉。…","summary":"20分钟，没纸，没笔，一个荷兰数学家在阿姆斯特丹咖啡馆里，把现代导航最核心的问题想明白了。 他叫艾兹赫尔·戴克斯特拉。 出生在鹿特丹。 后来整个计算机世界，都记住了他的姓：戴克斯特拉算法。 它解决的问题很朴素。 从A点到B点，哪条路最短？ 听起来像小学生题目。 但一旦城市道路变成…","body":"20分钟，没纸，没笔，一个荷兰数学家在阿姆斯特丹咖啡馆里，把现代导航最核心的问题想明白了。\n\n他叫艾兹赫尔·戴克斯特拉。\n出生在鹿特丹。\n后来整个计算机世界，都记住了他的姓：戴克斯特拉算法。\n\n它解决的问题很朴素。\n从A点到B点，哪条路最短？\n\n听起来像小学生题目。\n但一旦城市道路变成几万条边，路口变成几万个点，问题就不再是“走哪条路”，而是整个世界怎么被机器理解。\n\n道路是一张图。\n路口是节点。\n街道是边。\n每一段距离、时间、成本，都是权重。\n\n导航软件问的是这个问题。\n网络路由问的是这个问题。\n物流调度、地图规划、城市交通系统，本质上也在不断问这个问题。\n\n戴克斯特拉当年没有坐在实验室里堆设备。\n没有大团队。\n没有发布会。\n他只是坐在咖啡馆里，在脑子里推了20分钟。\n然后把一个复杂世界压缩成了一套清晰规则：先找到当前成本最低的点，再一步步扩展，直到最短路径浮出来。\n\n更离谱的是，他想出来以后，三年都没急着发表。\n\n今天很多人谈科技，总喜欢谈算力、芯片、模型、资本。\n这些当然重要。\n但计算机文明最底层的力量，经常来自这种东西：一个人把混乱世界抽象成图，再把图变成可计算的问题。\n\n真正改变世界的算法，未必一开始就带着轰鸣声出现。\n有时候，它只是阿姆斯特丹一张咖啡桌旁，20分钟安静的脑力劳动。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2077055495651643588","translated_status_id":"2077055495651643588","published_at":"2026-07-14 15:09:37","created_at":"2026-07-14T17:04:30+02:00","url":"https://mubeitech.com/p/2077046588212699211","markdown_url":"https://mubeitech.com/p/2077046588212699211/markdown"},{"rank":2,"id":"2038269993394356589","account":"mubei","brand":"@mubei","title":"86岁的计算机算法泰斗高德纳刚刚填平了他自己挖的坑。 复杂的哈密顿分解问题终于迎来了全解。 破局者是两个互相交接工作的A…","summary":"86岁的计算机算法泰斗高德纳刚刚填平了他自己挖的坑。 复杂的哈密顿分解问题终于迎来了全解。 破局者是两个互相交接工作的AI模型。 解题过程就是一场高强度的左右互搏。 研究员把 Claude 4.6 和 GPT-5.4 扔进同一个任务流。 Claude 负责疯狂搜索寻找潜在路径。…","body":"86岁的计算机算法泰斗高德纳刚刚填平了他自己挖的坑。\n复杂的哈密顿分解问题终于迎来了全解。\n破局者是两个互相交接工作的AI模型。\n\n解题过程就是一场高强度的左右互搏。\n研究员把 Claude 4.6 和 GPT-5.4 扔进同一个任务流。\nClaude 负责疯狂搜索寻找潜在路径。\nGPT 负责严谨验证并生成代码逻辑。\n奇数与偶数的终极分解方案被机器硬生生凿穿。\n\nGPT-5.4 Pro 的最终交付动作极其干脆。\n它直接甩出了一篇14页的完整数学论文。\n排版格式完全对标顶级学术规范。\n推导证明连 Lean 社区的专家都挑不出毛病。\n高德纳看后承认这份作业毫无破绽。\n\n旧时代的科研是算力不够只好大脑来凑。\n现在的顶尖学者直接转行当了学术包工头。\n他们只负责圈定那块最难啃的骨头在哪。\n枯燥的试错黑洞全留给机器去填补。\n\n这位传奇大佬在短文末尾只留了一句感慨。\n我们确实生活在极其有趣的时代。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2038388810157826467","translated_status_id":"2038388810157826467","published_at":"2026-03-29 22:38:20","created_at":"2026-03-30T00:36:33.342541","url":"https://mubeitech.com/p/2038269993394356589","markdown_url":"https://mubeitech.com/p/2038269993394356589/markdown"},{"rank":3,"id":"rp_c4c78e1d0f4c83df","account":"mubei","brand":"@mubei","title":"1300 万行代码，29511 个定理，只为了验证 30 年前一个早就被人类承认的数学结论。 很多人以为这是 AI 又在…","summary":"1300 万行代码，29511 个定理，只为了验证 30 年前一个早就被人类承认的数学结论。 很多人以为这是 AI 又在抢数学家的饭碗。 全看反了。 AI 没有提出任何新公式，也没有发现任何新定理。 它干的，是一场对人类知识库的终极验资。 1995 年，安德鲁·怀尔斯（Andre…","body":"1300 万行代码，29511 个定理，只为了验证 30 年前一个早就被人类承认的数学结论。\n很多人以为这是 AI 又在抢数学家的饭碗。\n全看反了。\nAI 没有提出任何新公式，也没有发现任何新定理。\n它干的，是一场对人类知识库的终极验资。\n1995 年，安德鲁·怀尔斯（Andrew Wiles）发表了费马大定理的完整证明。\n130 页的天书，浓缩了数论三百年来的顶峰。\n当年全世界能彻底读懂那份手稿的学者，一只手就能数得过来。\n为了挑出里面的漏洞，数学界最顶尖的同行评议团队关门审了几个月。\n后来甚至真发现了一个致命断点，怀尔斯又拉上理查·泰勒（Richard Taylor）闭关整整一年才打上补丁。\n这暴露了现代科学体系里一个没人愿意承认的隐形危机：\n当人类最前沿的知识变得越来越庞大、逻辑链条越来越漫长，我们凭什么确定那些所谓的权威证明里，没有藏着下一个谁也没发现的断裂点？\n这台长期卡死科学前沿的冰冷机器，叫作形式化编译。\n人类数学论文是用自然语言写的。\n字里行间写满了「显而易见」、「同理可得」、「读者自证不难」。\n这种交流靠的是同行之间的智力直觉和信任。\n但计算机不讲信任。\n在 Lean 4 这类交互式定理证明器里，没有模糊空间。\n每一个数学定义，都必须从最底层的 3 个基本公理出发，一步一步推导。\n中间只要漏掉一个逻辑断点，整个程序直接报错。\n把人类顶尖论文逐字逐句翻译成这种防弹代码的过程，就是形式化编译。\n帝国理工学院的数学教授凯文·巴扎德（Kevin Buzzard）此前领衔了费马大定理的人类形式化工程。\n那是全球几十位顶尖数学家组成的协作团队。\n他们的预期时间表，是手工啃上五到十年。\n因为要把 1995 年达蒙-戴蒙德-泰勒（Darmon–Diamond–Taylor）的那套论述体系全部拆碎、转译成代码，是一场极其耗费心智、容错率为零的高精度苦工。\n人脑的验证带宽，在这里被推到了物理极限。\n哥伦比亚大学彭天翼团队开发了 Prove2Me 协作框架，让多个 Claude 智能体共享一个有向无环图，把整个证明任务拆解成数万个逻辑节点并发推进。\n11 天。\n1300 万行 Lean 4 代码。\n29511 个中间引理。\n最终通过了独立的 Rust 内核验证器 nanoda 检验，没有留下一处未经证明的空缺。\n荷兰数学家维迪克（Freek Wiedijk）在二十多年前列出的百大数学定理形式化清单，在这一刻被画上了最后一个勾。\n这件事情的分水岭，不是 AI 拥有了人类的数学灵感。\n是科学知识的信任机制，第一次拥有了工业级的自动化验资机。\n过去几百年，人类积累知识靠的是同行评议与权威背书。\n论文发在顶级期刊，几位审稿人点头，整座学术大厦就建在这份共识之上。\n但当现代科学的深度远远超出人类肉眼的核查速度，信任就变成了最昂贵的风险。\n当形式化编译被这套系统跑通，数学、密码学、芯片架构与底层软件的逻辑链条，第一次可以在几天内完成全量穷尽式的硬核校验。\n这场突破的核心价值，不在于机器替人省下了多少算力。\n在于它把那道横亘在人类文明头顶几十年的信任成本，一次性压到了零。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2096563933872071032","translated_status_id":"2096563933872071032","published_at":"2026-09-06 13:05:36","created_at":"2026-09-06T13:05:36.898971","url":"https://mubeitech.com/p/rp_c4c78e1d0f4c83df","markdown_url":"https://mubeitech.com/p/rp_c4c78e1d0f4c83df/markdown"},{"rank":4,"id":"16021515","account":"mubei","brand":"@mubei","title":"一个刚毕业、在沃尔玛搬砖的程序员，凭着家里的一张 3090 Ti 显卡，把论文送进了顶级学术会议 SIGGRAPH 20…","summary":"一个刚毕业、在沃尔玛搬砖的程序员，凭着家里的一张 3090 Ti 显卡，把论文送进了顶级学术会议 SIGGRAPH 2026。 没有科研经费，没有导师，没有团队。 白天，他是沃尔玛刚入职的初级软件工程师； 晚上，他用自己那台消费级电脑，捣鼓出了这个叫 InfiniteDiffus…","body":"一个刚毕业、在沃尔玛搬砖的程序员，凭着家里的一张 3090 Ti 显卡，把论文送进了顶级学术会议 SIGGRAPH 2026。\n\n没有科研经费，没有导师，没有团队。\n白天，他是沃尔玛刚入职的初级软件工程师；\n晚上，他用自己那台消费级电脑，捣鼓出了这个叫 InfiniteDiffusion 的无限世界生成算法。\n\n开始吧。\n\n搁在以前，这几乎是不可想象的。\n图形学领域的顶级会议，过去基本是被大厂研究院、或者有几万张显卡的顶级实验室垄断。\n光是算力门槛，就能把普通人死死卡住。\n\n但这位年轻人，用实际行动证明了一件事：\nAI 图形研究的门槛，正在被开源工具链和算法方法，生生砸穿。\n\n他用的显卡是 RTX 3090 Ti。\n一张现在已经算不上最新旗舰的消费级显卡。\n他的研究方向，是用 Diffusion（扩散模型）来进行无限尺度的场景生成。\n\n虽然这目前还只是一篇学术论文，距离真正商用、无缝运行的“游戏引擎”还有很长一段路要走。\n但它的核心贡献在于，用极低的算力和极巧的算法设计，实现了无限世界的平滑生成。\n\n这给所有人提了个醒：\nAI 时代，个体创造力的解放，比手握海量算力的大厂更具颠覆性。\n当底层的开源工具和基础模型足够成熟，一个有想法的年轻人，靠着一张旧显卡，就能在卧室里撬动曾经需要整个实验室才能完成的课题。\n\n算法效率正在替代军备竞赛。\n这大概是这个时代，给普通开发者留下的最好机会。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2070486325195587860","translated_status_id":"2070486325195587860","published_at":"2026-06-26 12:36:22","created_at":"2026-06-26T14:32:59+02:00","url":"https://mubeitech.com/p/16021515","markdown_url":"https://mubeitech.com/p/16021515/markdown"}]}