Claude攻克3SUM与APSP:AI成基础科研实质合作者
本期速报关注 AI 在基础科学与工程落地上的两极分化。Claude 协助发现算法突破并参与黎曼猜想形式化证明,显示 AI 辅助科研进入深水区;与此同时,GPT-6.2 Astra 在写作和翻译任务上出现能力退化。工程侧,NVIDIA 提出将推理缓存为 CPU 代码以大幅降低成本,LangChain 分享企业级智能体架构
算法与数学:AI开始啃硬骨头
写诗、画画曾是AI话题的中心,如今关注点落到更底层的逻辑与数学。本周两条消息指向同一方向:AI正成为基础科研里的实质合作者,不再只是检索工具。哥伦比亚大学与麻省理工学院的研究人员发表论文称,
Claude在两个经典计算复杂性问题上取得突破,分别是3SUM问题和全点对最短路径(APSP)问题。这两个问题在计算机科学中长期存在速度上限假设——通俗说,大家普遍认定某些算法的效率难以再提高。Claude找出的新算法时间复杂度分别为O(n^1.9992)和O(n^2.9995)。小数点后的改进看似微小,但在理论计算机科学里,打破长期存在的多项式时间上限是个重大信号:AI不只执行代码,还能在算法设计的逻辑层面给出人类未曾设想的路径。
数学界的另一条消息更轰动。Lean官方社区确认,数学家Levent Alpöge发布了一个包含1700万行代码的Lean库,声称完成了黎曼猜想的形式化证明,并在一天内通过认证。黎曼猜想是数学中著名的未解之谜,证明过程极其复杂。关键在于“形式化证明”——用Lean这样的证明助手把数学推导转成计算机可验证的代码。AI在其中究竟承担了多少工作,是生成了大部分草稿,还是只辅助检查逻辑漏洞,目前尚不清楚。但事件本身有标志性意义:借助AI和形式化验证工具,人类有可能处理以往因复杂度太高而无法完全验证的数学证明。不过数学界仍持谨慎态度,形式化通过不等于数学真理最终确立,底层逻辑还需同行严格审查。
模型表现:GPT-6.2出现能力倒退
基础研究在进步,通用大模型的表现却出现意外波动。LMArena最新评测数据显示,OpenAI发布的
GPT-6.2 Astra在写作和翻译任务上的成功率低于上一代,创意文案方面下降最明显。这不是个别用户的主观感受,而是大量盲测数据得出的客观结果。通常人们认为模型迭代会带来全面能力提升,这次的数据却提醒:模型优化往往是在不同能力维度之间做权衡。GPT-6.2也许在逻辑推理、代码生成或特定垂直领域更强,但这种增强可能牺牲了通用语言生成的流畅度或创造性。对依赖AI做内容创作的用户来说,这是个需要警惕的信号:别盲目相信版本号越高越好,实际工作流中回归测试和基准对比仍不可少。如果创意写作是核心需求,可能需要重新评估是否切换到其他模型,或者调整提示词策略,弥补模型在创造性上的不足。
工程优化:NVIDIA的降本新思路
对企业来说,AI最大的痛点之一是推理成本。NVIDIA最近提出名为Agentic Reasoning Caching(CPU-ARC)的技术,试图从架构层面解决这个问题。传统LLM推理每次都要重新计算整个轨迹,哪怕面对的是相似问题。NVIDIA的新做法是把LLM的推理轨迹转成可执行的CPU代码;某条推理路径一旦被验证有效,系统就把它缓存为代码。遇到变体问题时直接复用这段代码,不必重新调用昂贵的GPU做推理。论文数据显示,这种方法能把成本降低16到291倍。
思路的本质是把“推理”变成“编译”。程序员不会每次运行程序都重写代码,AI智能体同样可以把常用的推理模式固化为高效的可执行单元。对需要高频调用智能体的场景——客服、数据分析或自动化工作流——这有巨大的商业价值。它不再只靠堆硬件算力,而是通过软件架构优化挖掘效率潜力。
文档解析这一具体场景下,NVIDIA的Nemotron 3.5 Parse模型在ParseBench-2基准测试中排名第一。Jerry Liu团队评测了20个开源权重模型,结果显示Nemotron 3.5 Parse在理解复杂文档结构方面表现优异。这说明NVIDIA正用垂直领域的专用模型,搭建从底层硬件到上层应用的全栈优势。
应用架构:LangChain的企业级经验
智能体(Agent)从概念走向落地,如何构建可靠的企业级工作流成了开发者关注的焦点。LangChain创始人Harrison Chase分享了内部使用智能体的经验,其中两点尤为实用。其一,LangChain内部的智能体都带有“学习闭环”——智能体不是单次执行的脚本,而是能根据反馈不断调整策略的系统。其二,智能体直接编辑Wiki或知识库时往往不可靠,容易出现幻觉或格式错误。为此LangChain引入独立的“curator agent”(策展人智能体),专门审核和编辑内容。一个负责生成、一个负责审核,分工明确,工作流的可靠性明显提高。
这对多智能体系统的设计有重要启发:别指望一个全能智能体包揽所有任务。拆解任务,再引入专门的监督或审核角色,才是构建稳定企业级应用的关键。另外,Databricks发布了覆盖70个行业的交互式参考架构,帮助团队更快设计数据与AI方案。工具走向成熟,说明AI开发正从“手工作坊”迈向“工业化标准件”阶段。
结语
这一周的消息摆在一起,张力挺明显。AI在数学、算法这类基础科学上跑出了惊人的潜力,人类知识的边界说不定都会被推着往前挪一挪;可一到通用语言生成任务,模型的表现就开始起起伏伏。技术演进从来不是一条直线往上走,这点又被提醒了一次。工程这边倒是另一番景象,能用的优化办法越来越多——NVIDIA拿出了代码缓存,LangChain讲起了角色分工,开发者们正用更接地气的手段去压成本、保可靠。
对做这行的人和普通用户来讲,这意味着看AI能力得看得更细。别一味迷信通用的“更强”,该盯的是某个具体任务上够不够“合适”。科研里拿AI去探未知,工程里靠架构优化把成本摁住,应用里用多智能体协作把可靠性提上来,眼下这么用AI才算对路。