数学是终结了，还是仅仅毕业了？
前xAI联合创始人克里斯蒂安·塞格迪以个人经历切入，回忆自己作为匈牙利数学竞赛少年的成长与竞赛结束后的空虚。他将纯粹数学研究比作在未知丛林中的探险：绘制地图、寻找矿藏、打造工具。而人工智能如今正处于莱特兄弟时代的飞机阶段——尚显原始但进步神速，已开始在数学岩石上插旗（解决猜想）。作者认为，AI终将彻底改变数学研究的方式，数学不会终结，而是像他当年的竞赛生涯一样'毕业'，从学术界安静的角落蜕变为驱动一切科技进步的成熟产业。孤胆英雄时代落幕，大规模探索时代开启。
相关文档
What will we use our minds for? 我们将用头脑来做什么？
作者以Wild Bill Hickok和施瓦辛格为例，类比体力劳动的历史演变：当技术取代体力劳动后，人们转而去健身房锻炼身体。如今AI正在取代脑力工作，作者追问：我们的头脑将用来做什么？文章指出人类天生喜欢做困难的事——马拉松报名人数创纪录、国际象棋在AI超越人类后反而更加繁荣、祖母一生痴迷麻将。作者构想未来会出现'心灵健身房'，人们像锻炼身体一样有意识地训练记忆、创造力和批判性思维，以保持心智的长久活力。
我为什么要设立孙宇晨奖
孙宇晨宣布设立以自己名字命名的数学奖。他以诺贝尔的生平类比，说明自己财富源自数学（区块链建立在椭圆曲线等密码学之上），设奖是还债。奖项规则：奖跟题走，不跟人走，人与AI均可获奖，以机器形式化验证为唯一发钱标准，题单由他定价且锁死不可更改。他引用Dario Amodei的'数据中心天才之国'理念，强调奖励'悬空但严丝合缝'的纯粹推理。奖池已打入区块链，公开可查验，其公益重心将转向此奖。
Let a billion mathematicians bloom
文章回应25位菲尔兹奖得主关于AI将损害数学的宣言。作者以AlphaGo‘第37手’为例：AI出现后职业围棋水平不降反升，因为开源引擎让每位棋手拥有超人类导师。作者认为菲尔兹奖得主担心的核心问题真实存在——AI正在把解题的成果与过程分离，但他们忽略了更深层的变化：验证成本的历史性反转。过去猜测便宜而验证昂贵，如今借助Lean等证明助手和形式化证书，验证变得廉价可复制。数学的制度体系（同行评审、长学徒制）都是围绕验证稀缺建立的。AI不会摧毁数学，反而会让数百万人得以参与，让‘十亿数学家’绽放。
Grokbot 隐藏技巧：7个快捷键与15个进阶功能指南
作者通读 xAI 官方文档，总结出大多数 Grokbot 用户错过的 7 个键盘快捷键和 15 个进阶技巧，包括新建 bot 快捷键、斜杠技能引用、@提及与 @everyone、命令面板、硬中断指令，以及通过演示教学创建技能、2-6 个 bot 群聊协作、利用 bot 描述字段作为持久记忆等方法。文章强调 Grokbot 是完整的 agent 产品，具备真实文件系统、浏览器、审批系统和多 bot 协调层，掌握这些技巧能把聊天工具变成真正协作团队。
Agent时代我最常用的12个Prompt
作者整理了多年来真实帮助过自己的12个常用Prompt，覆盖五大场景：问清问题（苏格拉底式提问）、学习（双层解释法、反向拆解、横纵分析法、事实核查）、解决问题（专家会诊、第一性原理、跨领域借解）、决策（双向钢人论证、最小实验替代空想）以及认识自己（挖掘隐藏天赋等）。所有Prompt均可直接复制使用，无需安装Skill，适配当下各类AI模型，作者建议配合原始材料一起使用以获得更好效果。
OpenAI公布数学与理论计算机科学十项进展：AI开始触碰长期开放问题
文章介绍了OpenAI于8月1日公布的数学与理论计算机科学领域十项新进展，涵盖高维球堆积、编码理论、Connes刚性猜想、算术电路复杂度、多色Ramsey数等长期开放问题，既有新上下界也有反例。这些结果由内部版Astra模型生成，总成本仅约2000美元，随后由人类研究者配合整理成论文，并用Lean形式化证明系统验证。作者认为AI在科研中的角色正从读论文、辅助推导走向搜索开放问题、提出新证明、形式化验证与人类审查的闭环。
什么是信息论？它和AI是什么关系？
文章深入浅出地讲解了信息论的起源、核心概念及其与人工智能的关系。内容涵盖香农在1948年奠定的信息论基础（如熵、比特、信道容量定理），回顾了奈奎斯特、哈特利及玻尔兹曼等前人的贡献，并探讨了交叉熵、KL散度等概念如何成为衡量AI模型误差的关键工具。文章指出，尽管信息论为AI提供了度量语言，但在解释智能本质上仍有局限。
人工智能/机器学习数学基础与学习路径
文章详细阐述了掌握人工智能和机器学习所需的三大数学支柱：统计学与概率、线性代数以及微积分。作者不仅解释了每个领域的核心概念（如贝叶斯定理、矩阵分解和梯度优化），还强调了它们在 AI 模型（如神经网络、回归）中的实际应用。最后，作者分享了一条个性化的学习路线图，推荐了 3Blue1Brown、Coursera 课程及《统计学习导论》等优质资源，帮助读者从直观理解过渡到理论实践。
纽约见闻：脑机接口前沿技术与AI存储焦虑
作者在纽约与从事脑机接口研究的神经医学专家交流，探讨了Neuralink的技术评价、神经信号的极高采样频率带来的PB级存储挑战、以及光通信在未来的应用。文章还深入分析了AI公司为何大量招聘神经科学家，不仅为了模仿大脑的高效能耗，更为了破解AI“黑盒子”的可解释性难题。文末感叹当下是科技爆发的最好时代。
进入前沿 AI 实验室的核心：抽象能力与判断力
本文探讨了进入前沿 AI 实验室所需的素质。作者认为，核心不在于单纯的科研或工程能力，而在于在信息不完备的环境中构建有用抽象的能力。研究是对不确定性的压缩，工程是对复杂度的压缩。随着知识获取门槛降低，稀缺资源不再是信息，而是关于“什么值得做”的判断力与品味。
X 推出 20 年来最野心勃勃的广告平台重构
X 公司宣布启动其 20 年历史上最大规模的广告平台重构，采用全新的检索和排序系统。新平台以简洁、极致控制和 AI 驱动的卓越性能为核心支柱，旨在提供更精准的语义广告投放和更高的 ROI。
