· 晨讯 Dispatch 2026-09-10

AI 资讯 · 2026-09-10

29 条 · 精选 5 · 关注 24 · 简讯 0 · 国内 16 / 海外 13
今日精选 · TOP 5 algorithmic top-5 by composite score
  1. #1 / 10.4 OpenAI / Wired AI /行业政策 /2026-09-10
    OpenAI Wants to Know if an AI Industry Slowdown Would Even Be Legal

    AI leaders worry antitrust law could stand in the way of what they view as an increasingly urgent push to coordinate a slowdown in AI development.

    评分明细
    重要性 5 新颖度 5 信源权威 5 技术深度 5 实体加权 ×1.60
  2. #2 / 8.8 OpenAI / 量子位 /其他 /2026-09-10
    AGI时代的第一个生图模型,ChatGPT Images 2.5上线

    主打生成更快,细节更好,改图也终于越来越像“真·修图”了。

    评分明细
    重要性 5 新颖度 5 信源权威 5 技术深度 5 实体加权 ×1.76
  3. #3 / 8.0 AnthropicOpenAI / AI科技评论 /其他 /2026-09-10
    OpenAI 攻克千禧难题?深度拆解 1 万个 Agent 如何造出流体奇点

    万级并行推理背后,是构造、修正与验证的完整闭环。    作者丨郑佳美    编辑丨岑   峰                                                                                                       9 月 8 日,OpenAI 公布了一套针对 Navier–Stokes 千禧年问题的有限时间奇点构造。一个仍在训练的内部模型,配合约 1 万个 Agent 持续搜索约 88 小时,随后又用 Lean 完成形式化。按照 OpenAI 给出的结果,这套构造能够让三维流体在光滑外力和有限动能条件下,演化到局部速度无界。消息出来后很快引发争论。航空航天工程教授 Chris Combs 提醒,这并不等于得到了一套可以直接计算任意流体运动的通用解法,对现有 CFD 工作也不会立刻产生明显变化;数学侧讨论的则是三维光滑解能否一直维持正则性,有限时间 blow-up 本身就击中了这个命题。与此同时,纽约大学数学家 Tristan Buckmaster 与 Anthropic 研究员 Levent Alpög

    评分明细
    重要性 5 新颖度 5 信源权威 5 技术深度 5 实体加权 ×1.60
  4. #4 / 8.0 DeepSeek / AI科技评论 /其他 /2026-09-10
    深度解读 DeepSeek V4.1 Flash 全新架构,如何成为显存杀手

    KV 缓存暴降 437 倍,Agent 成本大洗牌。    作者丨高允毅    编辑丨岑   峰                                                                                                       刚刚 DeepSeek V4.1-Flash 上线,最值得关注的是它的全新架构。这是一次针对长上下文场景的架构重写。过去,更强的智力往往意味着更庞大的算力,超长上下文背后是极高的硬件需求。但DeepSeek 这次用因果编码器-解码器架构 Causal-Encoder-Decoder(CED)、第二代压缩稀疏注意力Compressed Sparse Attention 2(CSA2)和 low / high / max 三档可调推理力度旋钮,打破了这一潜规则。能让 DeepSeek V4.1-Flash 以极低的成本,在不少评测中,智力超越上一代 DeepSeek V4-Pro。这套新架构把大模型的“记忆体积”压缩到了极致,运行时的显存占用直接砍掉了3/4,存进硬盘的长期记忆更是只占用上一代

    评分明细
    重要性 5 新颖度 5 信源权威 5 技术深度 5 实体加权 ×1.60
  5. #5 / 7.8 AnthropicOpenAI / AI科技评论 /其他 /2026-09-10
    普林斯顿王梦迪外滩大会提醒:Ai实现自主发现,并非只需模型更大

    9月10日,在2026 Inclusion·外滩大会主论坛上,普林斯顿大学人工智能创新中心主任王梦迪教授提出一个问题:AI距离自主发现新科学还有多远?她的判断是,今天的大模型已经掌握了大量人类知识,但在真正的科学发现上仍然存在明显局限:大模型更擅长找到“最可能”的答案,而真正的新发现,往往藏在概率分布的长尾里。王梦迪团队近期与普林斯顿大学社会学教授谢宇合作,用ChatGPT、Claude等大模型进行“模拟人生”实验。例如,让模型模拟一个1930年出生的英国人,自主生成自己此后的人生轨迹。实验发现,在结婚年龄、职业、性别等多个问题上,大模型倾向于高估最常见的情况,却明显低估少数情况和长尾分布。大模型会学到一个概率分布里最大似然的那一点,但对于长尾的知识可能会低估、甚至忽略。”王梦迪说。她认为,这也解释了为什么大模型在数学、Coding等领域进展迅速,却尚未在物理、化学、生物等基础科学领域产生同等规模的原创发现。区别在于,数学和Coding拥有相对明确的“验证器”。Coding可以通过编译器和Unit Test验证结果,数学则可以借助Lean等形式化证明系统进行验证。模型可以不断尝试、获得

    评分明细
    重要性 6 新颖度 6 信源权威 6 技术深度 6 实体加权 ×1.30
值得关注 24 items