research · 5 篇文章
精选 · 近期
Anthropic 10 月 20 日公布：跑在 Claude Science 里的内部研究模型用约 64 小时自主设计抗蝎毒神经毒素的结合蛋白，318,484 个设计经筛选到 211 个送湿实验、17 个在两家实验室确认结合。本文核对数字与边界，拆这条 explore→筛选→真值验证的回路，并给出怎么读这类自主科学 agent 成果的决策框架。
阅读 →精选 · 近期
精读 arXiv:2610.19095：Chatbot Arena（LMArena）用 Bradley–Terry 给每个模型一个分数，等于默认了 Luce 选择公理。180 万张票显示，同一模型不同版本之间的对决比分差预测的更一边倒（×1.37），同代不同尺寸 ×1.26，同实验室 ×1.12。总排名几乎不动，但「新版是否打赢旧版」的胜率被压向五五开。本文讲清机制、证据强弱、和风格控制与「排行榜幻觉」的关系，并给出读榜和自建评测的做法。
阅读 →精选 · 近期
OpenAI 放出 700 多篇 AI 数学稿件，两天后撤回三篇；同周 arXiv 论文指出 Navier–Stokes 的 Lean 证明与论文原文不对应。本文把「AI 证明了 X」拆成五层，说清哪些被机器查过，并给出审计清单。
阅读 →精选 · 近期
Anthropic Research 客座文（Matt von Hippel）讲 Fable 5.1 在 Claude Science harness 上算出平面 N=4 SYM 九圈六粒子振幅。本文核对可核数字与边界，主张刷新前沿的是显式 harness + 最小人类干预，不是更大模型。
阅读 →Anthropic 称 Claude 在高层次指导下发现 ART（array-associated reverse transcriptases）。本文分层核对官网与技术报告：搜索发现 vs 功能未明、可复现边界、研究 agent 流水线，以及工程师该怎么读这类新闻。
阅读 →