OpenAI 公布数学、计算机科学与物理学三组研究主张，邀请学界核验

2026-10-28 Hacker News Top Stories # OpenAI 公布局部平滑猜想、指数时间假说与量子场论三组研究主张，并邀请学界核验；物理学材料尚未公开。 OpenAI 的 ETH 预印本提出固定宽度 #kSAT 的确定性次指数时间算法，但不意味着 P=NP，也不保证实际 SAT 求解立即提速。 Wyden 与 Schiff 要求公开 3 月 17 日的 FISA 法院裁决，称 180 天披露期限已过；702 条款失效后，既有法院授权仍允许相关收集延续。 OpenAI 发布 GPT-6.1 Terra，API 每百万输入／缓存输入／输出 token 为 1／0.05／5 美元，主打较低成本与更快任务完成速度。 Bold.org 技术负责人 O Ioannou 用个人 GitHub 记录反思 AI 工作节奏：2026 年 8 月有 427 次贡献，但更多产出伴随持续审批与上下文切换。 作者找到 1992 年 11 月的 CDPLAYER.EXE 可在 Windows 11 启动；1985 年 Reversi 则需 otvdm，不能算同一类原生兼容。 Open3DLab 称自称 Roblox 的爬虫在 34 小时下载 145.5GB 3D 素材，其中含成人内容；公司归属及是否用于训练尚未获证实。 IEEE 采访 WikiProject AI Cleanup 发起人，重点不仅是识别 AI 文风，更是核实真实引用是否支持条目中的具体论断。 PEP 836 于 10 月 19 日撤回，CPython 实验性 JIT 因缺少获批的长期方案面临从 3.16 开发主线移除，既有 3.15 状态不因此被抹去。 《AI 时代的人月神话》认为，增加智能体仍无法消除串行依赖，瓶颈正转向需求澄清、审查与整合。 1. OpenAI 公布数学、计算机科学与物理学三组研究成果 (Three new discoveries in mathematics, computer science, and physics) # https://openai.com/index/building-scientific-understanding-with-academic-communities/ OpenAI 发布三组由其模型产生的研究材料，并强调应把这些手稿视为需要学界理解、核验与梳理的研究数据。数学部分声称证明欧氏波方程在所有维度的局部平滑猜想，并推出 Kakeya 猜想等结果；计算机科学部分声称推翻指数时间假说，已邀请 Russell Impagliazzo、Ramamohan Paturi 和 Ryan Williams 参与外部工作组。 物理学部分声称在四维相互作用规范场及费米子理论的严格数学构造上取得进展，涉及 Yang–Mills 理论、QCD 及标准模型的一种统一完备化；这不等于已有实验确认，也不能据此宣布包含质量间隙要求的千禧年难题已经完整解决。公告称 Yang–Mills 构造的 Lean 形式化于 10 月 16 日完成，但物理学材料尚未公开，释放节奏由外部专家组掌握。 三组成果采用不同的公开与协作方式，OpenAI 不要求参与者签署保密协议，也不寻求学术署名。公告同时承认专家选择可能带来偏向。形式化陈述、自然语言解释和科学意义仍需分别检查，本文不把发布方的成果主张当作已经独立审定的学界结论。 HN 热度 1123 points | 评论 655 comments | 投稿者：jonluca | 发布时间：2026-10-27 05:35:28 +08:00 # https://news.ycombinator.com/item?id=50251344 先邀请相关领域专家参与、再公开材料的协作方式值得肯定，但专家选择的公平性仍需要解释。 形式化领域能提供明确的验证反馈，这可能有利于模型训练，但能否迁移到生物学等实验科学仍是开放问题。 发布可调节难度的交互式解释有助于公众和研究者理解结果，避免可证明性领先于可解释性。 如果突破所依赖的模型仅向私人实验室开放，大学与独立研究者可能面临更大的研究机会差距。 评估 AI 科研投入的价值，还应比较其成本、同等资金支持人类研究的可能产出，以及资助能否持续。 数学进步不仅包括证明新定理，也包括让研究共同体真正理解这些证明及其思想。 按数学、计算机科学和物理学分别命名，可能掩盖这三组结果都高度依赖严格数学证明的共同特点。 2. 预印本声称推翻指数时间假说 (The Exponential Time Hypothesis Is False [pdf]) # https://github.com/openai/math/blob/main/preprints/The-Exponential-Time-Hypothesis-is-False-October-25-2026/paper.pdf 这份 10 月 25 日修订的预印本提出：对任意固定的 k≥2，可以用确定性、次指数时间和多项式空间精确计算 k-CNF 公式的满足赋值数。其一般时间界包含随输入长度增长的多项式因子，以及约为 2 的 Oₖ(n·loglog n/√log n) 次方的因子；在子句数与变量数成比例的情形，还给出更强的界。若证明成立，这将反驳指数时间假说及若干相关假说。 方法把子句写成多项式，将变量分组，再通过辅助插值参数把组间相互作用压缩为较小的共享线性信息，分别求和后恢复精确计数；稀疏化与变量复制等步骤将特殊情形推广至固定宽度公式。公开的 Lean 说明验证了一个稍弱、指数项带有 (loglog n)² 的版本，不能把论文中全部更强时间界一概称为已被同一形式化陈述覆盖。 次指数时间仍不是多项式时间，因此论文并未解决 P 与 NP 的关系；一般多项式归约也不自动保留这种时间界。它会动摇建立在 ETH 上的条件性下界，却不自动给出所有相关问题的更快算法。这里报告的是预印本的渐近结果，不能据此承诺现有 SAT 实例或密码分析马上获得实用加速。 HN 热度 774 points | 评论 280 comments | 投稿者：vok | 发布时间：2026-10-27 05:59:15 +08:00 # https://news.ycombinator.com/item?id=50251661 一般多项式归约可能放大实例规模，因此固定宽度 SAT 的次指数算法不自动意味着整个 NP 类都有次指数算法。 理论最坏情况的改进能否帮助真实 SAT 求解，需要结合实际实例结构与现有求解器另行评估。 验证复杂度主张时应检查计算模型和算术开销，而不能仅凭“已有 Lean 证明”跳过这些细节。 更容易阅读的证明与后续简化可能比最初的复杂构造更有助于研究者理解和改进这一方法。 这类意外算法提醒研究者，长期依赖困难性直觉并不能替代对更快算法的持续探索。 结果的传播仍需要通俗解释 ETH 的具体含义，帮助非理论计算机科学读者理解它究竟否定了什么。 3. 美国政府被指拖延公开涉及监控的秘密法院裁决 (US Government is hiding a secret court ruling about how it spies on Americans) # https://www.wired.com/story/the-us-government-is-hiding-a-secret-court-ruling-about-how-it-spies-on-americans/ WIRED 报道，美国参议员 Ron Wyden 与 Adam Schiff 指责政府拖延公开一份涉及美国人通信查询的外国情报监视法院裁决。裁决签署于 2026 年 3 月 17 日，两人称适用的 180 天披露期限已于 9 月 13 日届满，并要求政府在 11 月 6 日前说明延期原因及相关责任人。“违法拖延”是议员提出的指控，完整裁决本身仍未公开。 报道所述争议集中在依据《外国情报监视法》第 702 条收集的数据如何被查询：该制度针对境外外国人，但可能附带收集美国人的通信。依据已解密的说明和议员披露，法院关注用于检索美国人信息的过滤工具，以及事先批准、书面理由和日志等控制措施，并要求重建有关工具；公开材料不足以还原裁决全部内容。 第 702 条的立法授权已于 6 月失效，但 3 月的法院批准仍使相关收集得以持续至 2027 年 3 月，因此不能把条款失效理解为监控立即停止。民权组织敦促国会在重新授权前先取得必要信息，争论的核心是国家安全保密与公开法律依据、有效监督之间的边界。 HN 热度 725 points | 评论 262 comments | 投稿者：helterskelter2 | 发布时间：2026-10-27 22:06:42 +08:00 # https://news.ycombinator.com/item?id=50259604 情报方法可以保密，但决定公民权利边界的法律解释和司法裁决不应长期处于秘密状态。 秘密法院本身就削弱民主问责，制度改革不应止于公开某一份裁决。 对执法体系相关机密设定更短的保密期限，可以减少以保密名义逃避追责的空间。 多个政府都依赖同一秘密解释的情况，使监控问责不能简单归结为某一政党的问题。 如果授权到期也未带来可见的收集停止，仅争论续期与否不足以建立公众信任。 一种更激进的主张是让议员在参议院公开宣读秘密裁决，以突破长期无法获知法律依据的困境。 4. GPT-6.1 Terra 主打速度与每项任务成本 (GPT-6.1 Terra) # https://openai.com/index/introducing-gpt-6-1-terra/ OpenAI 发布 GPT-6.1 Terra，面向 ChatGPT Work 与 Codex 的 Plus、Pro、Enterprise 和 Edu 用户提供，并以 gpt-6.1-terra 名称开放 API。标准 API 每百万输入 token 为 1 美元、缓存输入为 0.05 美元、输出为 5 美元，官方称价格比 GPT-5.6 Terra 与 GPT-6.1 Sol 低 50%。 这款模型强调任务成本与速度的平衡。根据发布方测试，它在中等推理强度的 ALE 上较 GPT-5.6 Terra 提高约 15 个百分点，成本约为三分之一；Terminal-Bench 4 的最高推理设置成绩为 50.3%，对比旧 Terra 的 21.5%。公司也称其部分任务完成速度达到 Astra 与 Sol 的三倍，但同时保留了更困难编程任务上 Astra、Sol 更强的定位。 发布材料还报告一个内部诱发错误压力测试：低推理强度下错误比例从 53.6% 降至 16.7%，最高推理强度下为 4.3%。这些是特定测试条件下的数据，不是普通使用中的通用错误率。不同任务、推理强度、输出长度与重试次数都会影响实际账单，官方基准不能直接替代用户自身工作流的验证。 HN 热度 623 points | 评论 417 comments | 投稿者：meetpateltech | 发布时间：2026-10-27 02:01:17 +08:00 # https://news.ycombinator.com/item?id=50248124 把关注点放在完成一项任务的成本上，比单纯强调模型规模更贴近实际使用需求。 一名数据分析基准测试者称 Terra 在其测试中处于小模型与 Sol 之间，并体现出较快速度和较短输出。 另一名测试者发现中等推理强度更有成本优势，而最高强度在其任务中反而比 Sol 更贵且表现更差。 在小模型变强、大模型变便宜之后，中等档模型仍需说明哪些具体任务最适合自己。 性能与价格图取决于所选指标和定价，不能仅凭一条帕累托前沿判定所有工作流的最佳模型。 型号名称与不同代际的能力关系不断变化，使用户越来越难从产品命名判断定位。 模型数量再叠加多档推理强度，会增加选择与调参负担。 5. AI 承诺减少工作，我却越来越忙 (AI promised less work. I’ve never worked more) # https://oioannou.com/blog/ai-promised-less-work/ Bold.org 技术负责人 O Ioannou 回顾了自己从全栈工程师、首席工程师到技术副总裁的工作变化：AI 让实现想法更便宜，却也让他同时启动更多任务；每个智能体都会不时提出问题、等待批准或交付待审代码，注意力因此被切成许多碎片。他感觉编码能力增长得比规划、判断和审查能力更快，工作并未自然缩短。 作者以个人 GitHub 记录辅助观察：2026 年 8 月有 427 次贡献，高于此前 2020 年 4 月的单月纪录 319 次；截至 10 月 27 日，年内已有 2,102 次贡献，超过 2021 至 2025 各完整年份，但低于 2020 年同期的 2,371 次。他也经历过冲刺后明显回落的月份，认为自己在兴奋、过载与收缩之间反复循环。 这些贡献包含提交、拉取请求、审查和议题，不等同于工时、价值或独立生产率测量，职位变化也影响比较。文章是一份尚未找到平衡点的个人反思：AI 确实帮助他完成更多事，甚至协助分析与写作，但减少实现摩擦并不会自动建立合理的任务边界与休息节奏。 HN 热度 611 points | 评论 607 comments | 投稿者：oorestisime | 发布时间：2026-10-27 19:08:14 +08:00 # https://news.ycombinator.com/item?id=50257325 每天预先写出有限的任务清单，并把临时扩张范围的决定移到远离模型的规划环节，有助于重新掌握工作节奏。 重复性编码曾提供认知上的缓冲，自动化之后剩下的全是高强度判断，可能使同样时长的工作更累。 生成更长的邮件和代码会增加阅读审查负担，快速完成前半程也可能把复杂问题留到最后。 把完整开发环境随时带在手机上会侵蚀休息边界，一名评论者通过减少随身联网设备重新限制工作时间。 同样工时内产出增加不一定等于工作量增加，应区分成果数量、付出程度和疲劳体验。 减少查错与重复劳动也能让工程师更专注有趣的问题，围绕新工具建立工作习惯可能缓解倦怠。 如果组织把效率提升立即转化为更多任务，工具本身就难以兑现相同收入下少工作的承诺。 6. 1992 年的 Windows CD 播放器仍能在 Windows 11 启动 (Oldest GUI application that still runs on Windows 11) # https://blog.enlyth.com/posts/oldest-windows-gui-app-win-11/ 作者寻找的是无需修改可执行文件、也不依靠 CPU 或操作系统模拟，就能在 Windows 11 运行的最早图形程序。由于 64 位 Windows 不再提供 NTVDM，这一范围主要落在早期 Win32 程序；1991 年的早期 PE 格式与 1992 年前后的 API 调用约定变化，又排除了一些更老候选。 他先找到修改日期为 1993 年 2 月 22 日的 FREECELL.EXE，随后发现 Windows NT 3.1 build 347 中、链接于 1992 年 11 月 16 日的 CDPLAYER.EXE 也能启动，其依赖的 crtdll.dll 仍保留在 SysWOW64 中。不过作者没有实体 CD 光驱；演示播放音频时使用了 cdemu.dll 提供虚拟光驱和模拟音频，因此“程序能启动”和“全部功能无需辅助即可使用”必须区分。 文末还展示了 1985 年 11 月 15 日的 Windows 1.01 REVERSI.EXE，但它依赖 otvdm，属于另一种兼容路径。这是作者找到的较早可运行实例，并非穷尽所有历史版本后认定的世界纪录；文章的价值在于展示 Windows 长期二进制兼容的边界，而不是保证任意旧应用都可直接使用。 HN 热度 523 points | 评论 319 comments | 投稿者：enlyth | 发布时间：2026-10-27 01:56:55 +08:00 # https://news.ycombinator.com/item?id=50248055 旧程序能够启动不代表功能完整，调色板、磁盘容量溢出和线程时序等问题仍可能需要专门修补。 CD 播放器若能配合真实光驱直接工作，会比借助模拟音频 DLL 更有力地证明完整功能兼容。 长期保留旧版 FreeCell 及其注册表成绩记录，对一些家庭而言也是保存使用习惯与个人记忆。 简单界面使用 Win32 仍可能获得良好响应速度，但代码可读性和状态管理复杂度是实际取舍。 纸质书跨越数十年仍可阅读的常态，反衬出软件用户已经习惯了过低的长期可用性预期。 早期 GUI 的功能性设计仍有吸引力，图标惯例的延续和变化也值得观察。 对旧程序的长期支持是 Windows 的重要特征，也构成用户比较不同平台时的实际差异。 7. Open3DLab 称自称 Roblox 的爬虫批量下载了 145.5GB 3D 素材 (Roblox downloaded 145GB models from us (including adult content) without asking) # https://open3dlab.com/news/roblox-downloaded-145-gb-of-models-from-our-sites/ Open3DLab 报告，一个自称服务于 Roblox 3D 研究的爬虫在 10 月 15 日至 16 日约 34 小时内访问其站点：读取 18,926 个项目页面，发出 26,429 次请求，从 712 个项目下载 1,027 个文件，总量 145.5GB。这些是三维模型素材，不是 AI 模型权重；批量访问挤占了供普通用户使用的下载资源。 站方称下载涉及 345 个成人内容项目、62.6GB 文件，以及 423 个仅限非商业使用的项目，并指责爬虫读取 robots.txt 后仍忽略抓取限制、服务条款和创作者许可。其公司归属判断主要来自用户代理和联系邮箱域名，而请求来自 AWS；文章承认用户代理可伪造，尚在等待 Roblox 回应，因此不能将归属或侵权责任当作已经独立查明的事实。 关于训练用途，站方依据爬虫标识和 Roblox 的公开研究作推测，没有证据证明素材已进入某个模型、产品，或被展示给儿童，也没有声称对方专门寻找成人内容。文章同时承认平台存在同人移植素材的版权灰色地带。这起争议更具体地涉及批量抓取造成的成本、获取许可的方式，以及素材托管方与使用方各自的责任。 HN 热度 452 points | 评论 267 comments | 投稿者：choult | 发布时间：2026-10-27 18:27:50 +08:00 # https://news.ycombinator.com/item?id=50256985 公开提供单次下载不等于允许无视访问限制和素材许可进行批量抓取。 自动限流与异常流量防护可以更早控制资源损耗，不能完全依赖事后人工发现。 获取成人素材也可能用于内容过滤研究，因此仅凭下载记录无法确认具体用途或动机。 训练输入与产品输出是不同问题，把成人素材直接联系到用户暴露风险会夸大现有证据。 平台自身托管游戏角色等同人素材的做法，也应接受版权与授权一致性的审视。 对上传内容适用通知删除机制的主张，为托管平台与上传者责任的区分提供了另一种讨论视角。 如果批量访问必须事先申请，站点可以把申请与批准设计成明确流程，而不是仅依靠使用者自行理解。 8. 维基百科如何清理 AI 生成内容 (Wikipedia’s Cleanup of AI-Generated Content) # https://spectrum.ieee.org/wikipedia-wikiproject-ai-writing-cleanup IEEE Spectrum 采访了 WikiProject AI Cleanup 联合发起人 Ellia Lebleu，介绍志愿者如何发现并清理 AI 生成的维基百科内容。该项目始于 2023 年 12 月：最初常见的是重复套话，后来更需结合文章结构和编辑行为判断，例如短时间连续新增多篇长文，不能单凭某一个词组就断定文本由 AI 写成。 Lebleu 认为，更棘手的问题正在从虚构文献转向歪曲真实来源：引用确实存在，却未支持条目声称的内容。他使用 Pangram 辅助筛查，估计 2025 年底约两成新增文章和草稿被标记，2026 年初降至约 15%—16%；这些是受访者基于特定检测方法的估计，并非全部维基百科的审计，也不能据此证明政策已造成下降。 采访讨论了英语维基百科对 LLM 生成文章的限制、用于辅助清理的来源核查工具，以及基金会的 PasteCheck。受访者承认核查工具也会出错，因此检测不能替代逐项判断证据。更长远的担忧是读者转向机器直接回答后，维基百科的可见度和新志愿者来源可能下降；维护知识库不仅是删除坏文本，也关乎支持愿意承担核验责任的人。 HN 热度 428 points | 评论 195 comments | 投稿者：rbanffy | 发布时间：2026-10-27 19:08:15 +08:00 # https://news.ycombinator.com/item?id=50257326 百科条目的评价应围绕准确性与可用性展开，不能仅凭文本是否由 AI 生成就决定其价值。 同时限制低质量生成内容并使用 AI 协助清理，体现了按具体用途而非简单二分的治理思路。 自动反破坏工具也可能误撤有益修改，保留人工复核和纠正渠道有助于避免打击志愿者积极性。 从高质量百科语料获益的 AI 公司，也应被追问是否愿意承担清理与维护成本。 即使材料大体属实，条目无限膨胀也会损害可读性，内容治理不能只检查事实真假。 为了完成课程任务而编辑、却缺乏主题兴趣的激励，可能促使参与者交付低价值的生成内容。 随着识别标准传播，生成者也可能学会规避检测，使清理工作陷入持续变化的对抗。 保存较早版本的百科数据，是一些使用者应对生成内容污染风险的个人选择。 9. CPython 实验性 JIT 面临从主分支移除 (Python’s experimental JIT to be removed) # https://lwn.net/SubscriberLink/1102102/0c00e4d550f25f8c/ LWN 报道，2024 年随 CPython 3.13 引入的实验性即时编译器，正面临从开发主分支移除。指导委员会此前要求先通过正式提案，说明性能目标、维护方式，以及对调试、分析、监测工具、发行方和不同平台的兼容安排；6 月暂停继续推进，并给出约六个月的期限，而不是因为某一次单项跑分直接否定 JIT。 用于回应这些要求的 PEP 836 于 10 月 19 日撤回，作者表示缺乏继续推进当前版本所需的个人精力。该提案面向 Python 3.16，自述 3.15 JIT 在所测一级支持平台上取得约 4%—12% 的几何平均加速，但这些性能报告并不消除长期兼容、安全和维护责任的争议；提案中的未来性能目标也不是已获批准的承诺。 截至文章发表，相关移除预期发生在 3.16 的早期开发阶段，不能改写为所有已发布 Python 版本都已删除 JIT。3.15 保持既有状态仍可接受，解释器其他性能改进也不会因此自动消失。作者仍看好其他技术方向，参考实现可供接手；PyPy、Numba 等独立方案不属于这次撤回的范围。 HN 热度 426 points | 评论 220 comments | 投稿者：f311a | 发布时间：2026-10-27 19:17:57 +08:00 # https://news.ycombinator.com/item?id=50257419 考虑到维护与兼容要求，暂停当前方案可以理解，Python 性能优化也仍有其他实现路径。 把庞大生态中所有工具的适配责任压给 JIT 团队，可能形成难以兑现的负担，委员会也应承担路线选择的取舍。 当收益只是有限幅度提升时，考虑到过去迁移给用户造成的痛苦，谨慎对待兼容风险并非没有道理。 如果运行语义、维护方式和安全实践偏离主解释器过多，项目承担的就可能不只是增加一个编译后端的成本。 即使这条 JIT 路线受挫，已有的基础解释器优化仍值得保留，也不应否定其他 Python 实现。 评论者担心，全职资助减少后依靠个人业余精力推进，会使长期维护目标更难实现。 对象属性访问与方法分派是重要优化点，但讨论这些方向时也应承认 CPython 已有部分专门化实现。 10. AI 时代的《人月神话》 (The Mythical Man-Month in the Age of AI) # https://j11g.com/the-mythical-man-month-in-the-age-of-ai 这篇短评把 Brooks 在 1975 年提出的“向进度落后的软件项目增加人手，会使它更晚完成”带到 AI 编程时代。作者从几个人围着笔记本也未必能更快完成同一件事谈起，指出智能体减少了招聘、入职和部分人员沟通成本，却不会让依赖前一步结果的任务突然变得可以并行。 文章认为，瓶颈会转移到如何定义完成标准、检查幻觉与实现是否正确，以及把多份修改整合到共同代码库。缺乏明确协调时，多个智能体还可能相互覆盖工作；因此作者把旧警句改写为：向需求不清楚的项目增加智能体，只会更快得到错误答案。 这是关于工程管理与任务结构的观点文章，没有给出多智能体速度或失败率的对照实验。其提醒适用于共享代码与需求边界不清的协作情形，不能外推为所有并行智能体任务都无效；评价加速是否成立，仍需区分可独立拆分的工作与真正串行的决策。 HN 热度 425 points | 评论 300 comments | 投稿者：ilreb | 发布时间：2026-10-27 14:25:37 +08:00 # https://news.ycombinator.com/item?id=50255298 快速得到一个错误原型也可能帮助团队澄清真正需求，因此“更快犯错”未必只有负面价值。 先划分边界、确定接口再分配独立任务，可以降低相互覆盖的风险，不能把缺乏协调等同于并行必然失败。 一名团队管理者观察到，AI 同时放大了优秀工程师的判断力和缺乏检查者的错误习惯。 即使单个任务仍串行，一名工程师也可以交错推进多项工作，但注意力与上下文切换能力会成为约束。 智能体替其他智能体写指令时可能过度规定实现细节，从而限制执行者发现更好设计的空间。 试错搜索、逆向工程和性能优化等可探索多个候选的任务，更可能发挥智能体群体的优势。 Brooks 关于概念完整性和精干核心团队的思想，可能比简单的人月换算更适合解释 AI 辅助开发的组织变化。