我的 X 阅读

暮光光束，也称为上帝光束，是阳光穿过树木、云层或其他物体间隙射出的光束，形成了可见的光柱，这些光柱被阴影区域分隔开来。

隆重推出适用于 @dair_ai 的 MCP 工具。 将 MCP 连接到您的 Codex/Claude/Grok Bot，即可发现并探索顶尖的 AI 论文。 我们精心挑选论文，因此您可以期待看到大量精品。 该索引收录了我过去几年在 X 上推荐的所有论文。https://t.co/Q8krnKQW9B

这是我等待了几十年的时刻，自从我梦想有一个时代，我们可以用 AI 在硅上创造虚拟细胞并完全模拟生物学。 正如我一再所说，虚拟生物学以及最终的数字孪生是治愈所有疾病和衰老的关键。是时候加速了！ 引用：一个通用的细胞预测模型将极大地加速科学发展，使生物学家能够以数字方式进行实验。今天，我们宣布与美国能源部（DOE）和国立卫生研究院（NIH）建立一项重大合作伙伴关系。该伙伴关系的目标是生成构建人工智能准确细胞模型所需的数据。 Isomorphic、Google DeepMind 和 Meta 作为 Virtual Biology Initiative 的创始合作伙伴加入我们。这是大规模协调努力的开端，旨在绘制细胞生物学地图，以推动生命数字模型的开发。其他领先的科学机构和联盟，包括 Allen Institute、Broad Institute、Gladstone Institutes、人类细胞图谱（Human Cell Atlas）、人类蛋白质图谱（Human Protein Atlas）、Wellcome Sanger Institute，以及 NVIDIA，正作为这一国际科学项目的一部分共同努力。 创建细胞预测模型是未来十年科学面临的最重要挑战之一。从中获得的洞见可能解锁对疾病的更深刻理解，并开辟治愈新途径。 我们邀请全球科学界和其他资助者加入这一努力。

这是一项意义非凡的计划——构建细胞预测模型。 引用：通用的细胞预测模型将极大地加速科学发展，使生物学家能够以数字化方式开展实验。今天，我们宣布与美国能源部 (DOE) 和美国国立卫生研究院 (NIH) 建立一项重要的合作伙伴关系。此次合作的目标是生成构建精确的细胞模型所需的数据，该模型将利用人工智能技术实现。 Isomorphic、Google DeepMind 和 Meta 将作为创始合作伙伴加入我们，共同推进虚拟生物学计划 (Virtual Biology Initiative)。这标志着一项大规模协同工作的开始，旨在绘制细胞生物学图谱，从而推动生命数字模型的开发。其他领先的科研机构和联盟，包括艾伦研究所、博德研究所、格莱斯顿研究所、人类细胞图谱、人类蛋白质图谱、维康桑格研究所和英伟达 (NVIDIA)，也正在参与这项国际科学项目。 构建细胞预测模型是未来十年科学面临的最重要挑战之一。由此获得的洞见有望加深我们对疾病的理解，并为疾病的治愈开辟新的途径。 我们诚邀全球科学界及其他资助机构加入我们，共同推进这项工作。

OpenAI 发布了 722 篇数学论文，而你还没读它们， 这个 4 分钟的流行说唱神曲解释了他们解决了什么以及为什么重要 至少看一次吧，这值得，我发誓里面有彩蛋 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：Damn! 老马牛逼，Grok bot才是@SpaceXAI 的太子啊， 马斯克刚刚发布了一条足以改写 AI 格局，甚至震撼整个 AI 行业的的重磅声明：Grok Bot 不再绑死自家模型， 未来在处理任何具体任务时，系统将直接调度全网最顶级的后端模型，包括 Anthropic 的 Claude Opus 5.5、Midjourney、Suno 以及其他领先的 API。 唯一考核的标准只有一句话：怎么做最能给用户交付最好的结果。 这条以 SpaceX 官方名义发出的推文，在短短几小时内席卷了两千多万曝光， 很多人第一反应以为这是马斯克在变相承认自家模型的短板， 但只要看懂这背后的商业重构，你会发现这其实是一场极其冷酷的升维降击： 大模型打到底层，模型层正在退化为廉价的电力，而真正的超级霸主，正在疯狂抢夺总插座和电表的垄断权。 马斯克这次点名的三家，精准踩中了目前通用大模型依然无法完全吃下的三个顶级专科： 写复杂代码与长程 Agent，直接调度口碑最好的 Claude Opus 5.5； 做高审美视觉设计，直接调用统治力依然稳固的 Midjourney； 生成音乐与音频，直接挂载完成度最高的 Suno。 这背后撕开了未来 AI 竞争最值钱的四个底层真相： 第一，护城河从我们模型最聪明，彻底变成了我们最知道该叫谁。 底层的模型权重每隔六个月就会迭代一次，天天跟同行卷跑分是无休止的军备消耗； 但只要用户的任务历史、工具授权、记忆上下文和订阅入口全部沉淀在 Grok Bot 这个壳子里， 底下换谁的脑子，用户根本不在乎，马斯克依然稳稳收走所有的月费和流量。 第二，专科模型没有死，但生存形态彻底变了。 马斯克愿意花钱为画图和写歌单独接外部 API，说明垂直工具在极致审美上依然有壁垒； 但未来垂直工具的终极宿命，不再是逼用户单独下载一个新 App，而是变成顶级路由平台随时调用的一行接口。 第三，代理层比模型层更接近终极收费点。 模型可以月月换代，价格可以被开源打到脚脖子， 但那个能帮你自动规划步骤、记住你的习惯、管理几十个工具权限并在后台默默把成品交回来的主控智能体，才是谁也偷不走的刚需资产。 第四，这也是一场算力与分发的隐秘对冲。 今年 5 月 Anthropic 刚刚签下了使用 SpaceX 旗下 Colossus 超级算力集群的协议； 在前端把流量路由给 Claude，在后端卖算力给 Anthropic， 这根本不是单向的认输，而是一场把算力、分发与模型三方利益吃干抹净的平台级阳谋。 这其实给所有做产品、做内容的朋友提了个极其清醒的原则： 以后别再盲目死磕某一家大模型的单向崇拜了。 聪明人的工作流早已按任务彻底解耦： 写代码挂 Claude，做图挂 Midjourney，整理挂本地， 把你的忠诚度留给最终的交付结果，而不是任何一个具体的模型厂牌。 大家平时用 AI 时，是习惯死守一个工具用到底，还是已经学会了根据任务把不同模型组合起来用了，欢迎分享交流鸭！

与 Claude 的进一步讨论促成了这份关于量子铁磁体结果的总结 我之前就说过，我发现前沿模型在数学和理论物理方面展现出了超乎常人的实力。现在大家应该都明白了！如果没有 Claude 的帮助，我不可能如此迅速地探索 OAI 的证明。 “最终的论证并非简单的扩展……它是一种全新的架构，由鲜少交集的数学领域构建而成，围绕着一个针对量子问题加权循环结构的特定思想而展开。” 量子海森堡铁磁体中的自发磁化 在 OpenAI 近期发布的 722 篇数学论文中，有一项成果因其在物理学领域的地位而脱颖而出。它严格地证明了该领域最基础、研究最深入的模型之一的性质。 量子海森堡铁磁体是物理模型中极其简单的模型之一。在立方晶格的每个格点上都存在一个量子自旋，相邻自旋通过 H = −J Σ S_x · S_y 相互作用，这种相互作用有利于自旋的排列。海森堡于 1928 年提出该模型来解释铁磁性。1930 年，布洛赫发展了自旋波理论，并预测磁化强度在低温下随 T^{3/2} 衰减，这一预测后来得到了实验证实。该模型是凝聚态物理的标准组成部分，也是自发对称性破缺的典型例子。 预期行为从未受到质疑。在三维空间中，低于临界温度时，自旋应该选择一个共同的方向，从而打破模型的旋转对称性。然而，近一个世纪以来，严格的证明一直未能实现。巴里·西蒙在 1984 年将这个问题列入数学物理的未解难题清单，但至今仍未解决。 难点在于连续对称性。由于自旋可以指向任意方向，该系统支持无能隙的长波长激发（自旋波或磁振子），这些激发消耗的能量极低，并且不利于有序性。在一维和二维情况下，它们占主导地位：默明-瓦格纳定理排除了在任何正温度下自发磁化的可能性。因此，任何三维证明本质上都取决于维度。佩尔斯型论证（适用于具有离散对称性的模型，例如伊辛模型）并不适用于这种情况。 对于具有连续对称性的系统，主要技术是反射正性及其产生的红外界限。这种方法为经典海森堡模型（Fröhlich、Simon 和 Spencer，1976）和量子海森堡反铁磁体（Dyson、Lieb 和 Simon，1978）建立了长程有序性。然而，量子铁磁体不具有反射正性，因此该方法不适用。 由此产生的历史颇为矛盾。铁磁体的基态是基本态，所有自旋排列整齐；而反铁磁体的基态则是一个复杂的量子态。尽管如此，反铁磁体的有序性却首先被证明，而铁磁体的有序性问题则又过了48年才得到解决。后来的研究表明，在低温下，自由能与自旋波理论相符，但控制自由能本身并不能得到非零的序参量。 这项新成果填补了这一空白。对于每个维度d≥3和每个自旋S，该成果证明，在足够低的温度下，存在一个平移不变的平衡态，其磁化强度至少为S/4。同一系列的其他论文更进一步：它们推导出了布洛赫T³/²定律及其精确系数，以及第一个晶格修正，这使得自旋波理论在布洛赫提出该定律近一个世纪后，得以建立严格的理论基础。 该证明并未采用反射正性。相反，在托特的随机环表示中，这种方法有效。在该表示中，量子自旋系统成为随机排列的模型，磁化对应于宏观长环的出现（参见附录）。难点在于每个环的权重为 2。该权重惩罚了长环，并阻碍了为无权模型开发的方法。在无权模型中，长环是最近才被证实的，而且仅限于五维或更高维度（Elboim 和 Sly）。 证明中的各个组成部分在其他领域中是已知的。产生负相关性的稳定多项式是组合概率中的标准。随机排列矩阵的行列式恒等式是经典的。纳什不等式和热核估计可以追溯到纳什 1958 年关于抛物型方程的工作。表面成本论证在统计力学中也很常见。 新颖之处在于将它们联系起来的核心机制。证明从生成函数 F(X,Y) = ∏ (X_i + Y_π(i)) 出发。通过识别顶点的两个变量来消除顶点，可以拼接置换，并在每次循环闭合时产生恰好为 2 的因子，同时保持多项式的稳定性。由此，之前方法所失效的循环权重被吸收到一个保持负相关性不变的操作中。在此基础上，证明构建了一个“销钉测试”归纳法：它界定了一组测试点全部位于避开一组指定销钉的循环上的概率，并通过循环返回测试集的频率来控制该概率。归纳法通过使用纳什平滑和热核的 s^{−d/2} 衰减来估计从测试集泄漏的热量，从而完成证明。在这里，维度恰好出现在物理学所预期的位置：通过三维或更高维度随机游走的瞬态过程，这与默明-瓦格纳定理和玻色-爱因斯坦凝聚的机制相同。 该模型的推理总结记录了专家们会尝试的各种自然替代方案，以及每种方案的不足之处：与非加权交换过程、艾森曼-纳赫特盖勒和乌尔奇的一般循环模型框架，以及奥尔德斯谱隙猜想证明中的“章鱼不等式”的比较。最终的论证并非对上述任何一种方案的简单扩展。它是一个全新的架构，由鲜少交集的数学领域构建而成，围绕着量子问题加权循环结构的特定思想展开。 该结果的显著之处在于它所弥合的鸿沟的性质。物理上的答案早在1930年就已确定。障碍在于数学层面：当时没有任何技术能够严格地捕捉物理学家们所理解的现象。构建这种技术正是长期以来人们认为需要罕见的人类洞察力才能完成的贡献。 附录：托特表示和费曼循环 环表示。对于自旋为 1/2 的粒子，相邻粒子之间的相互作用满足 S_x · S_y = 1/2 T_xy − 1/2，其中 T_xy 是交换 x 和 y 位置状态的算符。因此，哈密顿量 H = −(J/2) Σ T_xy（忽略常数项）：铁磁体是交换的总和。将 e^{−βH} 在虚时间 [0, β] 上展开，晶格的每条边都携带一个独立的泊松时钟，并且每个时钟环交换其两个端点。这些交换的有序乘积是晶格的一个随机置换 π。由于置换算子的迹等于 2^{#cycles(π)}，配分函数变为 Z ∝ [2^{#cycles(π)}]。 在时空中，情况很简单。沿着虚时间中的一条链向上移动，并在每次交换时跳转到相邻的格点。由于虚时间是周期性的，每条链都会闭合成一个环。每个环携带一个自旋值，向上或向下，这解释了因子 2 的由来。因此，⟨S^z_0 S^z_x⟩ = ¼ ℙ(0 和 x 位于同一个环上)，自发磁化等价于宏观环的存在。高自旋的处理方法是将自旋 S 表示为每个格点的 2S 个自旋-½ 分量，并投影到对称子空间上。Tóth 于 1993 年引入了这种表示方法，以改进自由能的界限。此后，它一直指导着人们的直觉，但在此结果之前，它尚未给出有序性的证明。费曼循环。1953年，费曼在研究液氦中的λ相变时，将N个玻色子的配分函数写成了虚时间上的路径积分。每个粒子都描绘出一条世界线，由于玻色子是相同的，因此该轨迹包含对置换的求和：世界线可以彼此重新连接，形成围绕周期性时间方向盘旋的循环。费曼认为，玻色-爱因斯坦凝聚是宏观长循环的出现，也就是说，这些置换循环包含了所有粒子中有限比例的粒子。 托特环是费曼循环的晶格版本。相对于完全对齐的状态，每个反向自旋都表现得像一个硬核玻色子：交换相互作用使其在相邻格点之间移动，交换两个反向自旋即为一次玻色子置换。长环对应于非对角长程有序，即彭罗斯-昂萨格凝聚判据，用自旋语言来说，就是⟨S⁺₀S⁻ₓ⟩在大距离上的持续存在。由于海森堡模型是完全旋转不变的，这种横向有序等价于磁化。磁振子的凝聚和铁磁有序是同一现象。 这种对应关系也解释了布洛赫定律。在低温下，磁化亏损等于热激发磁振子的密度，这些磁振子在零化学势下形成近乎理想的玻色气体。它们的密度为ζ(3/2)/λ_T³，与给出玻色-爱因斯坦凝聚临界密度的表达式相同。这就是为什么布洛赫系数包含ζ(3/2)，而新的晶格修正包含ζ(5/2)。塞林格将海森堡铁磁体描述为“伪装的稀薄玻色气体”。 这种联系赋予了该结果超越磁性范畴的意义。费曼的长循环图景已在理想玻色气体中得到严格验证。证明相互作用玻色气体在正温度下的凝聚态仍然是数学物理学的核心未解难题之一。此前已解决的主要相互作用情况，即半填充的硬核晶格玻色子，是通过反射正性而非循环图景处理的。据我所知，这项新结果是首次在循环图景中直接对相互作用量子系统进行费曼长循环机制的严格证明。针脚测试方法是否能推广到其他环模型，或者最终推广到连续玻色气体，是未来研究的一个自然方向。 OAI论文：https://t.co/jToUrOVk6I 引用：这些结果中有许多属于理论物理或数学物理范畴！ 例如：量子海森堡铁磁体中自发磁化的证明（Lean 验证） 如果它经得起推敲，这将是量子铁磁序的第一个严格证明，也是数学物理学的一个里程碑，无论是否借助人工智能。 克劳德： 问题是，在低温但非零温度下，且无外场的情况下，无限大的磁体是否会自发地选择一个方向并被磁化。自 20 世纪 30 年代布洛赫的自旋波理论以来，物理学家们一直认为答案是肯定的。但严格证明这一点却并非易事： 一维和二维：默明-瓦格纳定理表明这种情况不可能发生，因此这个问题只适用于三维或更高维度。 经典版本（自旋如同普通箭头）由弗罗利希、西蒙和斯宾塞于 1976 年利用“红外界限”证明。 量子反铁磁体（相邻粒子反排列）由戴森、利布和西蒙于 1978 年利用一种称为反射正性的相关技术证明。 量子铁磁体的情况一直悬而未决。反射正性无法给出所需的界限，戴森、利布和西蒙本人也指出了这一点。论文指出，利布在 1999 年将其列为未解决的问题。此后，诸如科雷吉、朱利亚尼和塞林格 2015 年的自由能渐近性、受控热力学和有限长度尺度等研究成果，都未能证明其有序态的存在。 本文的结论 对于每个维度 d ≥ 3 和每个自旋 S (½, 1, 3/2, …)，在所有足够低的温度下，都存在一个平移不变的无限体积平衡态（KMS 态，即无限量子系统“热平衡”的严格定义），其自旋期望值至少为 S/4。换句话说，存在一个真正的磁化相。 对于自旋为 ½ 的情况，本文还推导出了晶格玻色子的一个推论：一种与玻色-爱因斯坦凝聚相关的长程有序形式。

与 Claude 的进一步讨论得出了关于量子铁磁体结果的这份总结 一段时间以来我一直在说，我发现前沿模型在数学和理论物理方面达到了超人水平。现在每个人都应该看得很清楚了！如果没有它，我不可能如此深入地探索 OAI 证明

与 Claude 的进一步讨论得出了关于量子铁磁体结果的这份总结 一段时间以来我一直在说，我发现前沿模型在数学和理论物理方面达到了超人水平。现在每个人都应该看得很清楚了！如果没有它，我不可能如此深入地探索 OAI 证明

这是一个了不起的倡议！我完全支持 General Medicine 将医疗用品商店价格降到最低的目标。 尤其是在 AI 或 SI 时代，美国人不得不在生死攸关的事情上面临巨额加价并被坑，没有选择，这简直不可接受！ 引用：General Medicine 完成了一轮由 @a16z 领投的 1.2 亿美元 B 轮融资。我们将用这笔资金打造医疗健康商店。 医疗健康系统唯一可行的方式，就是让消费者成为系统中最为强大的参与者。而要做到这一点，唯一的方法就是让他们能够购物。 以下是为什么医疗健康需要一家商店，以及我们必须构建什么来使其成为可能：

安大略省两只猞猁正在进行一场激烈的对话。 ：妮可·刘易斯 https://t.co/RgAmZHk438

麻省理工学院的一篇新论文指出，为智能体赋予其自身的历史记录和提示信息，并将其作为代码变量，使其能够搜索并传递给子智能体。这样一来，一个简单的智能体循环就能以更低的成本超越专门构建的记忆和自我改进系统。 智能体在将上下文复制到子智能体时会丢失指令（https://t.co/o05Tmg9uhU）。

安德鲁·休伯曼访谈里关于 AI 与神经科学的核心要点整理： → 核心人物背景： Anthropic 创始人 Dario Amodei 拥有普林斯顿大学神经科学博士学位； Sam Altman 与扎克伯格近年来深度介入神经生物学与脑机接口领域。 → 伏隔核（Nucleus Accumbens）与动机机制： 伏隔核是大脑多巴胺奖赏回路的核心中枢，负责驱动个体克服阻力去执行艰苦任务； 非侵入式神经调控通过外部信号干预该通路，能在特定时段内人为维持极高水平的专注度与行动力。 → 人机交互终局： 跳过键盘、屏幕与声学低带宽通道，直接实现意图级的脑电信号实时解码与状态调控。

斯坦福神经生物学教授安德鲁·休伯曼在最新访谈里说了一句大实话： Meta、OpenAI 和 Anthropic 这些今天看似在搞软件的大模型巨头，终局全都会变成生物技术公司。 很多人只把他们当程序员看， 但 Anthropic 创始人 Dario 本身就是神经科学博士出身， Altman 和扎克伯格在神经生物学上的理解深度同样极深， 这群过去造编译器、写代码的工程师，正在集体把研究重心转向人类大脑。 他们私下里心照不宣的终极目标只有一个： 非侵入性地从人类大脑里直接读取和写入信息。 今天我们在键盘上打提示词、在屏幕上看几十行字，本质上是一种传输带宽极低、极其原始的机械过渡态。 休伯曼举了个极具操作感的具体场景： 人在做艰苦学习、攻克复杂代码时，最大的阻力往往不是智力不够，而是注意力涣散、驱动力不足。 未来的非侵入式设备，不需要开颅做手术， 可以直接通过外设刺激大脑里的伏隔核以及相关的多巴胺回路， 在你要干重活的这三个小时里，把你的动机水平和专注度直接拉满； 任务结束一键关闭，让你迅速恢复能量进入深度休息。 这就是为什么顶级 AI 巨头都在暗中布局神经科学。 大模型如果只停留在云端聊天框里，永远只是人类身外的一件工具； 把算法的算力，直接对接到碳基大脑的神经回路上，才是这场军备竞赛真正的终点线。 如果未来有一款不需要开颅的头戴设备，按一下就能让你保持三小时的顶级专注力，干完活一键关闭，你会愿意天天用它吗？ https://t.co/X8O9F60wkn 引用：Indeed.

转帖：“即使是‘正常’的通用技术，在最初阶段也是不稳定的和危险的，甚至那些我们后来认为完全是福祉的技术也是如此。” https://t.co/4tgeqOjS2a 完全同意，并感谢 @DKThomp 引用我们提出的这个观点。强调 AI 与过去通用技术的相似性，应该更多地关注这种动荡，而不是减少关注。 “几乎每一次重大的技术革命，至少在一定程度上且短暂地，都是一场经济、社会或政治灾难。从历史的这一解读来看，如果 AI 的到来没有显著地以某种方式恶化地动摇我们世界的一部分，那才奇怪呢。”