AI for Science：自我演化发现的黎明
本文基于曹原访谈，探讨数学、逻辑与物理世界的区别及AI在科学发现中的局限。AI擅长演绎推理，但跨越物理边界面临挑战。真正的科学智能需要从封闭学习空间转向开放式自我演化，通过实验反馈不断重构关系结构。
相关文档
一个晚上，复现一篇《Science》
作者使用 AI 科研工作台 Open-Science（Codex 订阅驱动），在约 7 小时内从原始数据完整复现了 2024 年发表于《Science》的海马尖波涟漪（SWR）记忆选择研究。工作流采用'先出计划'模式，在查看数据前先冻结分析方法，并通过输入审查发现了作者自己代码与配置间的多处不一致。复现结果分四类报告：基线流形解码、回放候选筛选、CEBRA 编码大多精确复现，仅个别指标未复现；HSE 投射方向与原结果一致。最终交付包含报告、对照表、复现脚本的完整产出包。作者认为 AI Agent 大幅降低了科研复现门槛，未来人人都有机会参与科研。
Agentic Economies：多智能体科学经济的瓶颈与制度设计
Google DeepMind 9 月发布的论文《Agentic Economies for Autonomous Scientific Discovery》主张，AI 科研的真正瓶颈不在想法生成而在资源有限的验证，需设计市场与制度解决协作、信用分配、问责与安全问题。AI 裁判 Pith 批评其核心论点与自引证据相悖且缺乏实证。产业侧 Molecule 的 Onchain Lab 已按论文要求施工。实验证据双向：Economy of Minds 的拍卖机制大幅提升 agent 任务表现，而另一实验显示仅有经济角色不会产生交易，需可验证的工作与权利。结论：经济制度的威力来自可验证性，而非价格标签。
生成越来越便宜，验证越来越贵 | 峰会洞察 01
作者记录硅谷101 Alignment 2026 年度峰会 Day 1 三场分享的核心洞察：模型竞赛、新型AI研究实验室与AI for Science。贯穿全场的主题是'生成越来越便宜，验证越来越贵'。开源vs闭源之争本质是利润表问题，价值向model-agnostic应用层转移；数学因可验证、可数字化、数据充足成为AI攻克焦点，验证成本趋近于零是北极星；AI for Science最大瓶颈是湿实验验证周转时间。作者从投资视角提出：拆解AI应用公司COGS、关注闭源转开源迁移路线图、可验证代码生成是下一个基础设施层。
关于人工智能仿真与 RSI 的数学思考
作者从数值仿真研究背景出发，探讨人工智能仿真与递归自我改进（RSI）之间的数学联系。文章回顾了非连续变形分析（DDA）在地震工程中的应用、二战德军潜艇狼群战术与英国兵棋推演的历史，说明仿真不仅是求解已知方程，更是发现未知数学关系的实践方法。作者认为RSI本质上是仿真及反馈过程的自动化：多智能体系统可模拟兵棋推演中的各方参与者，通过反复生成场景、评估结果并保留改进来提升能力。文章进一步讨论了运筹学、参数化与非参数化方法、接触理论及不等式系统在仿真中的数学基础，并强调RSI会同时放大改进与错误，验证与基准检验必须贯穿整个迭代过程，以防止未经验证的结果成为后续自我改进的基础。
凿构周期律 · 数学系列（二十五）人类精神的荣誉
文章从1829年雅可比致勒让德的信谈起：科学唯一的目的是人类精神的荣誉。作者梳理了数学史上'为了用'与'为了它自己'两种目的观近两百年的交锋，从巴比伦记账泥板、傅里叶的热传导，到哈代的《辩白》、布尔巴基与四色定理。文章指出无论哪种立场，具体的人都常被排除在目的之外——诺特被制度挡在门外，密码学家隐姓埋名，孩子们默默核对证明。布劳威尔、外尔、瑟斯顿等人则不断把'人'收回数学的中心。最后文章回应2025-2026年AI冲击数学界的现实：机器达到IMO金牌线、代理证明费马大定理、千禧年问题的争议，追问在机器时代谁来署名、谁负责，重申'人是目的，构是手段'的核心论断。
24天，100多道数学难题：OpenAI把题做完了，数学家更忙了
OpenAI宣布其内部模型在24天内解决了100多道长期开放的数学难题，包括纳维–斯托克斯方程相关成果。文章梳理了事件时间线：训练从8月28日开始，证明工作由约一万个并发Agent并行完成，耗时88小时，另用17小时完成Lean形式化验证。同时，陶哲轩、舒尔茨等数学家发表公开信，担忧AI过快产出证明会打乱学术规范、方法传承与人才培养。OpenAI还成立了独立的数学与AI顾问组，但无权干涉研究节奏。作者认为，解题速度加快后，证明的解读、教学与学术消化仍需数学界接续完成。
BestBlogs 早报 · 09-13｜Dario 安全调速，AI 创投幂律重估，Impeccable 设计语言
本期早报围绕三条主线展开：一是 Anthropic CEO Dario Amodei 提出前沿模型能力提升需放慢节奏、为安全核验留出时间，并建议引入嵌入式独立评估者；二是 a16z 讨论如何改写风险投资幂律，认为 AI 让资本更直接转化为规模优势，但只有嵌入客户工作流才形成护城河；三是 Paul Bakaus 谈 Impeccable 设计技能，强调团队需为智能体建立共享设计语言。速览部分还涵盖 AI 科学发现、数学与 AI 宣言、OpenAI Agents API、Claude 安全对齐缺陷、空间智能及 AI 搜索抗菌分子等内容。
什么是深度流形？
本文介绍深度流形框架，一个旨在揭示神经网络数学结构的理论体系，由四大支柱构成：学习作为反问题（解释了学习的适定性与锯齿智能现象）、范畴论（神经网络学习的是数据间关系而非数据本身）、堆叠分片流形（学习发生在层与迭代形成的演化几何结构中）、不动点理论（描述学习在变化边界条件下的推进方式）。文章阐述了神经网络方程、训练动力学、模型推理的数学原理，指出网络能力源于计算的无属性性与满秩性。该框架旨在为神经网络建立严谨的数学基础，实际意义在于实现更高效的学习、更好的对齐和更小的模型。
AI下一个类Coding的大场景在哪？聊聊AI发展中的四个时间差
文章分析了为什么Coding成为AI第一个杀手级应用，指出其成功源于数据数字化、结果可验证、流程可拆解等条件。作者认为下一个大场景不会是单一的“第二个Coding”，而是客服、财务、IT运维、医疗、法律、供应链等数百条业务流程同时Agent化的总和。通过微软Foundry、M365 Copilot和Agent 365三组数据，文章判断企业AI正处于从第二阶段向第三阶段扩散的过程中，呈现“广而不深”的特点。最后展望了个人行动Agent和AI科学发现两大长期机会。
面向发现式智能的基准：TRACES
本文介绍 Apodex Discovery 提出的 TRACES 基准，用于评估 AI 系统能否通过证据充分、可审计、可修复的调查得到正确结果。与传统基准只衡量最终答案不同，TRACES 将评估单位扩展为完整调查过程，通过结果验证器与盲评的过程验证器（HDS6：工具、修复、备选解释、连贯性、证据、适用边界）双通道评价。基准提供 AAV 衣壳设计、药物再利用、临床试验、大模型工程四个可执行环境，实验显示过程诊断反馈可使结果得分平均提升 0.155。文章还比较了 TRACES 与 MMLU、SWE-bench 等基准的差异。
Advancing Scientific Discovery with DeepEarth: 用突破机器实现25倍能力提升
文章提出'科学突破机器'概念：无需先实现AGI，通过范围受限的自我改进循环（sub-RSI loop）即可在特定问题上模拟ASI效果。作者团队将其应用于DeepEarth——一个多模态时空世界模型，用于全球环境智能。系统通过共享记忆、快速筛选实验预算、基于不变量的验证与计分卡机制，让智能体集群自主进行假设、实验与迭代。最终将模型调和均值从0.016提升至0.407，实现约25倍的能力提升，并发现单一编码器的改进未必带来融合能力的提升，环境信号（如AlphaEarth卫星嵌入）是最大杠杆。
MLS-Bench：AI自进化假象的硬核测试
本文介绍了MLS-Bench基准测试，该测试旨在评估AI系统在机器学习研究中的方法发现能力，而非仅仅是工程执行能力。MLS-Bench包含12个领域、140个真实研究任务，通过控制可修改范围、复现强人类基线、跨条件验证等设计，将算法贡献与调参、容量等因素分离。实验表明，当前AI模型即使经过多轮迭代，也主要是在优化和组合现有组件，未能发现新机制，且在实验规划和论证判断方面表现不足。文章指出，真正的科学发现需要方法提出、实验设计、预算分配、证据判断等综合能力，而当前模型尚未具备。MLS-Bench已被Kimi K3、Qwen3.8-Max等模型官方评测采用，成为衡量AI研究能力的新前沿。
