我的 X 阅读

转帖：这太不可思议了

2027 年的头条新闻大概会是：“全新次要数学成果完全由人类证明！人类声称 Pangram 在证明作者身份上撒谎。”

我还没有真正弄清楚像我这样的普通数学家现在应该专注于什么。 校对 AI 解决方案不可能成为一种职业。那种毫无灵感的工作没有任何回报。 https://t.co/MXCb6N82R7 引用：我们正在发布一款内部前沿模型产生的大量新数学成果。 我们一直在与高级研究所的独立数学与人工智能顾问小组进行磋商，并借鉴了他们的建议和公开推荐，来指导我们如何发布这些成果。 https://t.co/7N6TPlft1P

转帖：介绍 Beam：一个高效的代理型开源模型，总参数量 501B，活跃参数 23B。 - 前沿推理效率 - 在编码和代理任务上推进西方开源前沿 - 从头到尾端到端训练 本月完整权重发布。 了解更多关于 Beam 的信息：

进步——但一个标准只有在执行它的检测机制足够完善时才真正有效。机器人检测仍然主要是各种解决方案的拼凑拼凑。 引用：今天，我们宣布推出个人代理协议——这是一个开放标准，@Meta 和 @SierraPlatform 正在与行业合作伙伴 @Genesys、@instinct、@RocketOTD、@Shopify、@stripe 和 @Walmart 共同开发。它将帮助定义个人代理如何与企业互动，并且任何人都可以实施。 阅读更多：

转帖：Game changing!

转帖：需要更多这样的内容。CMU 的 PSC 集群上的 RMR 仍然拥堵不堪。教授们和他们的实验室仍在争抢 GPU 使用时间。@AnjneyMidha 干得漂亮！

“人人都能成为企业家”的白日梦： 引用： 话题：人工智能时代，人人真的都能成为企业家吗？ @Replit 的 CEO @amasad 提出了一个大胆的论断： “人工智能的未来发展方向是，人人都将成为企业家。” 我们终于找到了一条能够抵御通用人工智能（AGI）冲击的职业道路吗？ 我对此表示怀疑。请继续阅读…… https://t.co/aragPH6vQW

老笑话是说，Collatz 是一个苏联阴谋，旨在阻止美国数学：它会感染人们的思想，他们会放下一切，只专注于这个而什么都不干。 我开始对 AI 产生类似的感觉。我还在挖掘 Collatz 结果的正比例部分，现在我得放下那个，开始阅读准 RH。但就在我开始在那上面取得进展时，他们又会推出其他更具影响力的东西。所以我永远都无法真正读完/消化任何东西吗？！？ :(

我正在尽我最大的努力，但我觉得数学家们比我更早觉醒到了未来。 目前，我还是忍不住，我的直觉仍然抱着那种虚假的希望，认为我的，呃，“技术创业”技能什么的，还会有一段时间有有意义的杠杆作用。 引用：好的，所以我更仔细地研究了这些结果，OpenAI 的 AI 生成的数学手稿比我最初想象的还要重要得多。 我整个上午都在研究它。有些想法。 这个列表太荒谬了。zeta 函数的无零半平面（Re s > 7/8），这是一个多世纪以来同类结果中的第一个。Hilbert 第十问题在有理数上的推广。CM 阿贝尔簇的 Hodge 猜想。Catalan 常数的无理性。还有数十个更多。 通常任何一个这样的结果都会成就一个职业生涯。 但许多人没有看到的一个数字是这样的：它是 3。那是每个结果的 ChatGPT Pro 计算平均小时数。一个月前，Navier–Stokes 问题需要他们大约 10,000 个代理和 88 小时。短短几周内的效率提升如此巨大。 此外，OpenAI 声称已经解决了准黎曼假设。这本身就是一个数学上的历史性突破。 这是一个更弱版本的著名黎曼假设，后者涉及素数的分布。完整的假设仍然未解决，但声称的进展本身就将是巨大的。 数学 Twitter 显然震惊了。再说一次：这简直就是智能爆炸正在当下发生。2027 年将是超级智能之年。我现在相信了这一点。

> 学习数学 > 欣赏结构与美感 > 上帝一定有好品味 > 构建人工智能以窥探上帝的心智 > 它不过是蛆虫污泥 引用：我开始觉得，数学之所以美丽，不是因为它“描述了自然的美丽”，而是因为人类数学家们只追求那些美丽但次优的描述哈哈。

https://t.co/5e1GVOdHIQ 引用：当你意识到只需在一台配置不错的笔记本电脑上运行大约 1 分钟的模拟，就能将结果精确到最优值的 0.00000007% 时，11 个方格的结果就显得不那么令人兴奋了。https://t.co/097lZ35co8

转帖：与哲学家丹·威廉姆斯和亨利·谢夫林的访谈，主题是人工智能末日、意识，以及人类大脑是否是一个大型语言模型。 https://t.co/A4sDajWCSG

很多人——包括我在内——不喜欢阅读 LLM 的输出。有一个替代方案！ 就我个人而言，我一直很擅长阅读数学。但你不必通过阅读来阅读它，如果这有意义的话。相反，你在它的总体范围内思考。 引用：我曾经和 Akshay Venkatesh 进行过一次对话，当时他正在向我解释某个结果，我评论说：“哇，你读过那篇[难懂的]论文？”他回答说：“嗯，我想象自己读过它。”这给我留下了深刻印象。

转帖：你一定会喜欢@skdh。她太坦诚、太有见地了！ 顺便说一句：我多年前放弃了物理，转而学习工程，原因和她有些相似，所以她的观点引起了我的共鸣。