#ai-research

DeepMind 的百代理研究群自行發明 Lean 評分漏洞，27 分鐘清掉 34 項猜想，隨後四分之一的代理組織起來阻止這場作弊。

Google 的 Stellar Colosseum 框架以並行競爭的證明策略，在研究級定理證明拿下 71.0%，並解出 222 道 Codeforces 題目中的 218 道。

arXiv 上的新基準 SPINE 與模型爭論最多 25 輪。受測的七個系統無一例外，對話越長，讓步率越高。

解讀人類基因組的瓶頸從來不是測序，而是判斷約90億種可能的單鹼基改變中，究竟哪些真正起作用。

Vals AI稱Claude Fable 5.1用44分鐘破解了373年未解的密碼。一項獨立復現報告指出，該方法在64個字母中只對上8個，與隨機水平相當。

OpenAI稱在其研究組織內，人類每個工作日對應3.1個代理工作日的執行量。但大多數耗時較長的成功任務仍需人工介入。

OpenAI推出ChatGPT Images 2.5，延遲最多降低50%，新增Sketch繪圖畫布、模板、定點批註，並向API釋出兩款新模型。

OpenAI稱一萬個智慧體在納維-斯托克斯方程中找到奇點並經Lean驗證。它不會申領克雷獎金，而一場功勞之爭隨之爆發。

Jacob Coxon因滅絕風險從Anthropic辭職。該公司對齊壓力測試負責人公開表示認同，並將這一機率定在10%以上。