朋友发来的，说 Tyler Cowen 又写了一篇关于 AI 和数学的思考，挺有意思的，可以看看。
Tyler Cowen 在边际革命网站发表文章，讨论 AI 与数学的关系。文章最后一段特别精彩。
Thoughtful post (as usual) from @tylercowen on AI and mathematics. The last paragraph is particularly excellent. marginalrevolution.com/marginalrevolu…📊 1 ⚡
本条情报归属 AITOP「论文」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。涉及核心实体与技术议题包括：Tyler Cowen、AI与数学，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「Kevin Weil」（@kevinweil），经 AITOP 多维评分管线结构化提炼。
Dwarkesh 在播客里说 Anthropic 内部预期 Claude 九个月内就能超过人类研究员，这时间线比大多数人想的激进得多。
Mollick 的新书居然带了一段专门写给 AI 看的推荐语，是 Tyler Cowen 写的，书站还做了 AI 专用页面，挺有意思的玩法。
浙江大学这个新基准专挑 VLM 的痛点测：场景变了，模型能不能推出空间关系怎么变。结果 21 个模型里最强的只拿到 58%，人类是 87%。做机器人、具身智能或视频方向的同学可以用它来量化自家模型到底差在哪。
arXiv上这篇论文解决了编码智能体记忆该存什么、什么时候用的问题。它把读写记忆的成本算进训练目标，在ChainSWE基准上让27B模型解决率从21.0%提到25.7%，还少走17%的步数。做智能体记忆或SWE agent的团队值得对比看看。
两帮人做 LLM 安全的可以看看这个：作者训练了两个开源模型，能从聊天里推断你的性别和年龄段，再用不可见字符藏进生成的文本里。你把 AI 写的邮件发出去，隐私就跟着泄露了。做内容安全和隐私合规的人应该认真评估这类风险。
这个基准把地理环境做成了会随时间变化的平台，智能体得主动查信息、验证旧结论还失效没失效。目前没有哪个前沿模型能全面搞定，做 Agent 评测和地理信息应用的开发者可以拿来测自己的方案。
