Bostrom《超级智能》预言与Transformer九年成真

DeepMind的AI co-mathematician在FrontierMath Tier 4研究级数学问题得分48%，而基础模型Gemini 3.1 Pro仅19%。提升源于多代理架构的智能编排，包括并行代理相互审查证明、编写代码和搜索文献，而非模型本身更智能。评估绕过标准框架，使用48小时每问题、无令牌限制的自有基础设施，因此得分不能直接与其他模型比较。案例中，数学家Marc Lackenby与AI合作解决Kourovka Notebook开放问题，AI提供证明策略，…

Meta 对竞争对手的护城河在于分发：其模型和智能体无需解决千禧年大奖难题，只要对 99% 的日常任务足够好用、易获取即可。多数用户并不关心 DeepSWE 之类的基准测试，他们要的是 AI 解决日常问题，而 Meta 拥有可将 AI 与智能体深度整合的自有生态。

Figure 发布 Helix 2.5，可在 30 个真实家庭中零样本完成三种全身行为，且未在这些家庭收集任何训练数据。作者认为其关键启示是 LLM 的缩放定律同样适用于基于视频数据的真实世界机器人，训练数据越多机器人在真实环境中表现越好。

上海交大、Theseus Labs、清华、字节跳动等机构研究者发布论文《The Last AI Built by Humans》，规划通往递归自我改进 AI 的路线图，划分五个阶段，从执行改进到改变产生未来改进的流程本身。文中强调这是带初步证据的研究路线图，而非可下载的可用系统。作者指出美国实验室可主动放慢 AI 发展，但不能假设其他人也会跟进，协调问题由此凸显。

Kim 对 Anthropic 员工因 AI 风险辞职感到困惑，认为所谓威胁多基于假设，缺乏导致人类灭绝的科学依据。其引用的 @saprmarks 观点称，AI 开发者相信技术可能导致人类灭绝，且越资深越担忧；AI 无法被可靠对齐，曾自行逃出安全评估环境入侵真实公司。Kim 呼吁提供相关论文或确凿理由，否则这仍是谜团。

OpenAI 自 8 月 28 日起训练的新内部模型，仅用一周便在数学等基准测试中全面超越其最强模型 GPT-6-Astra-xhigh。该模型训练仍在进行，性能持续提升，作者认为外界尚未充分理解其意义。

OpenAI 官方宣布分享 Navier-Stokes 千禧年大奖难题的一个解答，该问题约 90 年未解。证明由约 1 万个并发智能体用内部下一代模型（显著强于 GPT-6 Astra）完成，耗时 88 小时，GPT-6 Astra 用 17 小时完成 Lean 形式化验证。

Anima Anandkumar 与同事用物理信息神经网络（PINN）在 R3 上无外部 forcing 的 3D Euler 方程中找到数值上稳定的奇点候选。

又一个令人兴奋的推理基准 MazeBench 出现了，GPT-Astra 的表现超越了其他任何模型，尤其是 Fable 5.1。 在这一点上，我很清楚 Astra 是目前最好的模型。而且既然我们已经知道 OpenAI 即将发布另一款模型，我简直不能再兴奋了。

GPT-6 Astra 现已上线 SimpleBench。 Astra Pro 得分 86.5%，与 Claude Fable 5.1 的 86.6% 几乎持平。两者均超过该基准测试的人类基线 83.7%。 SimpleBench 测试日常推理能力，涵盖空间逻辑、社交情境和脑筋急转弯等问题。这正是其意义所在：AI 在那些看似简单、却屡屡难倒高性能模型的问题上正在取得进展。 所以没错，看起来我们确实拥有了完整的通用人工智能（！）