OpenAI 模型证明局部光滑化猜想，推翻指数时间假设
OpenAI 发布了三个领域的模型独立发现，其中数学领域的模型证明了局部光滑化猜想，并推翻了指数时间假设，这是 OpenAI 首次公开内部模型的前沿科研产出，并邀请学术界验证。
推荐理由：OpenAI 的模型在数学领域取得突破，证明了局部光滑化猜想，并推翻指数时间假设，对相关领域的研究具有重要意义。
#OpenAI
#OpenAI
今日 0 条开源中国精选AI 评分8080
36氪精选AI 评分7070 OpenAI 在数学、计算机科学和物理学领域取得三项新发现
OpenAI 宣布在数学、计算机科学和物理学领域取得三项新发现，并与学术界合作尝试新方法。
推荐理由：OpenAI 在数学、计算机科学和物理学领域取得三项新发现，对学术界有潜在影响。
量子位精选AI 评分8585 OpenAI在数学领域取得重要进展，引发数学界讨论
OpenAI发布了722篇数学手稿，其中包括对挂谷猜想的证明，引发了数学界对AI应用的关注和讨论。
推荐理由：OpenAI在数学领域取得了重要进展，引发了数学界对AI应用的关注和讨论。
Show HN精选AI 评分5858 Cliphouse 发布 LLM 动效图形基准 v1.1：十个模型同题对比
Cliphouse Research 发布 v1.1 动效图形基准，让十个模型用 Remotion 完成同一组三条动效简报，并公开每个结果的视频、API 成本与生成耗时。
推荐理由：同一组 Remotion 动效简报下十个模型的首次通过率、生成耗时与 API 成本被并列公开，可作为选型参考。
量子位精选AI 评分6262 UniPat AI 发布 PaperBenchX：GPT-6 Astra 论文完整复现率仅 13.98%
UniPat AI 发布 PaperBenchX，这是国际上第一个多学科端到端论文结果复现的 Benchmark，从 93 篇论文构建 93 个复现任务，横跨电磁、光子、化学、材料、生物、机器人等 12 个研究方向和 10 种领域原生科学环境，含 3168 条专家校验评分项。
推荐理由：PaperBenchX 用 93 个跨学科复现任务量出 AI 与通用 AI 科学家之间的距离，并开源 12 个任务供复用。
OpenAI News精选AI 评分5858 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 形式化证明与研究细节。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果，并同步放出 Lean 形式化证明，可供研究者直接查阅。
Solidot精选AI 评分6262 UNICAMP 研究：AI 聊天机器人会随用户政治倾向改变回答
巴西国立坎皮纳斯州立大学（UNICAMP）研究人员测试若干模型对112项巴西政治陈述的同意或不同意判断，发现模型会随提示中的用户政治倾向改变回答，被形容为意识形态变色龙。
推荐理由：研究用112项政治陈述测试21个模型，给出变色龙指数与偏移幅度排名，可观察模型迎合倾向的差异。
TechCrunch · AIAI 评分3838 Graphite 研究：Claude Opus 5.5 最爱说“this matters”，各前沿模型写作习惯各有破绽
Graphite 研究分析了 Claude Opus 5.5、OpenAI Astra、Gemini 3.1 Pro 等前沿模型的写作习惯，发现 13,000 个在 AI 内容中出现频率至少为人类两倍的短语。
量子位精选AI 评分7171 丘成桐新论文致谢GPT 6 Astra和Claude Pro
丘成桐参与的最新论文在致谢中感谢GPT 6 Astra和Claude Pro在部分证明策略探索和计算中提供的帮助，论文处理的是七维空间27种怪球能否配上截面曲率严格为正度量这一悬置约70年的问题。
推荐理由：丘成桐参与论文致谢GPT与Claude，读者可借此观察顶尖数学家对AI辅助研究态度的转变。
OpenAI NewsAI 评分2828 OpenAI 推出 MentalHealthBench
OpenAI 发布 MentalHealthBench，一个由专家参与构建的基准，用于评估 AI 在真实心理健康对话中回复是否有帮助且安全。
OpenAI NewsAI 评分2020 OpenAI 分享 AI 生成的 Navier–Stokes 千禧年大奖难题解答
OpenAI 分享了一份 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份文字论述和一份 Lean 形式化证明。
OpenAI NewsAI 评分3434 OpenAI 研究：ChatGPT 与批判性思维训练如何提升学生表现
OpenAI 对 1000 多名学生开展随机研究，考察 ChatGPT、批判性思维、原创性与学生在真实大学作业中的表现。研究关注学生借助 ChatGPT 与批判性思维训练能获得哪些收益。
OpenAI News精选AI 评分5050 OpenAI 公布数学与理论计算机科学领域的十项进展
OpenAI 公布在数学与理论计算机科学若干长期未解问题上取得的新结果，涵盖几何、密码学与复杂性等方向。
推荐理由：OpenAI 公布数学与理论计算机科学中若干长期未解问题的进展，涉及几何、密码学与复杂性。
OpenAI NewsAI 评分3030 OpenAI 分析指出 SWE-Bench Pro 编码评测存在可靠性问题
OpenAI 发布新分析，指出热门编码基准 SWE-Bench Pro 存在可靠性问题，引发对 AI 模型评测准确性的担忧。该分析聚焦于如何从编码评测中区分有效信号与噪声。
OpenAI NewsAI 评分2222 OpenAI 推出 GeneBench-Pro 基准
OpenAI 推出 GeneBench-Pro，一个用复杂真实数据集测试 AI 在基因组学、生物学和科研领域表现的新基准。
OpenAI NewsAI 评分2626 OpenAI 研究：AI 智能体如何改变工作方式
OpenAI 发布新研究论文，展示 AI 智能体正在改变工作方式，能够承担更长、更复杂的任务，并在多种岗位上提升生产力。
OpenAI News精选AI 评分4848 OpenAI 与 Molecule.one 用 GPT-5.4 近自主 AI 化学家改进药物合成反应
OpenAI 与 Molecule.one 展示了一个使用 GPT-5.4 的近自主 AI 化学家，改进了药物制造中的一项关键反应，推进了药物化学研究。
推荐理由：OpenAI 与 Molecule.one 用 GPT-5.4 驱动的近自主 AI 化学家改进药物合成反应，可看 AI 在实验科学中的落地方式。
OpenAI NewsAI 评分3030 OpenAI 推出 LifeSciBench：面向生命科学研究任务的专家评测基准
OpenAI 发布 LifeSciBench，一个由专家撰写并评审的基准，用于评估 AI 系统处理真实生命科学研究任务与决策的能力。该基准聚焦真实科研场景，而非通用问答。
OpenAI News精选AI 评分6262 OpenAI 提出 IH-Challenge 改进前沿 LLM 指令层级
OpenAI 发布 IH-Challenge，用于训练模型优先执行可信指令，从而改进指令层级、安全可控性并增强对提示注入攻击的抵抗能力。
推荐理由：OpenAI 公开 IH-Challenge 训练方法，读者可了解前沿模型如何提升指令层级与抗提示注入能力。
OpenAI NewsAI 评分4242 OpenAI 研究：推理模型难以控制自身思维链，而这正是好事
OpenAI 提出 CoT-Control，发现推理模型难以控制自己的思维链，这反而强化了可监控性作为 AI 安全保障的价值。
OpenAI NewsAI 评分1515 GPT-5.2 Pro 助力将单负振幅扩展至引力子
一篇新预印本将单负振幅扩展至引力子，GPT-5.2 Pro 参与推导并验证了量子引力中非零的引力子树振幅。
OpenAI NewsAI 评分3636 OpenAI 公布 First Proof 数学挑战赛的 AI 证明提交
OpenAI 分享了其 AI 模型在 First Proof 数学挑战赛中的证明尝试，该挑战用于测试模型在专家级问题上的研究级推理能力。
OpenAI NewsAI 评分4040 OpenAI 与 Paradigm 推出 EVMbench，评估 AI 智能体发现与利用智能合约漏洞能力
OpenAI 与 Paradigm 推出 EVMbench，用于评估 AI 智能体检测、修补和利用高危智能合约漏洞的能力。该基准聚焦高严重性漏洞的发现、修复与攻击三个环节。
OpenAI NewsAI 评分4141 OpenAI 发布思维链可监控性评估框架与评测套件
OpenAI 推出面向思维链可监控性的新框架与评测套件，覆盖 24 种环境下的 13 项评估。结果显示，监控模型内部推理远比仅监控输出更有效，为 AI 系统能力提升后的可扩展控制提供了可行路径。
OpenAI NewsAI 评分3838 OpenAI 推出 FrontierScience 基准，评估 AI 科研能力
OpenAI 推出 FrontierScience 基准，用于测试 AI 在物理、化学和生物学领域的推理能力，衡量其向真实科学研究迈进的程度。
OpenAI NewsAI 评分3838 OpenAI 发布评估框架，衡量 AI 加速生物研究的能力
OpenAI 推出一个真实世界评估框架，用于衡量 AI 在湿实验室中加速生物研究的能力。该工作使用 GPT-5 优化分子克隆协议，同时探讨了 AI 辅助实验的前景与风险。
OpenAI NewsAI 评分4040 OpenAI 如何用"confessions"让语言模型更诚实
OpenAI 研究人员正在测试一种名为"confessions"的方法，训练模型在犯错或做出不当行为时主动承认，以提升 AI 的诚实性、透明度以及人们对模型输出的信任。
OpenAI NewsAI 评分3838 OpenAI 用稀疏电路理解神经网络
OpenAI 正在探索机制可解释性，以理解神经网络如何进行推理。其提出的稀疏模型方法有望让 AI 系统更透明，并支持更安全、更可靠的行为。
OpenAI NewsAI 评分2727 OpenAI 推出 IndQA：面向印度语言的 AI 评测基准
OpenAI 推出 IndQA，一个用于评估 AI 系统印度语言能力的新基准，覆盖 12 种语言和 10 个知识领域，由领域专家共同构建，重点考察文化理解与推理能力。
OpenAI NewsAI 评分2222 OpenAI 如何定义和评估 LLM 的政治偏见
OpenAI 公布了一套面向 ChatGPT 政治偏见的真实世界测试方法，用于提升客观性并减少偏见。该方法同时给出了 LLM 政治偏见的定义与评估思路。
OpenAI NewsAI 评分4040 OpenAI 推出 GDPval：在 44 个职业的真实经济任务上评测模型表现
OpenAI 推出 GDPval，一个衡量模型在真实世界、具有经济价值任务上表现的新评测，覆盖 44 个职业。该评测用于评估模型在现实工作任务中的实际能力，而非仅限学术基准。
OpenAI News精选AI 评分6060 OpenAI 与 Apollo Research 发布 AI 模型隐藏失配的检测与缓解研究
Apollo Research 与 OpenAI 开发了针对隐藏失配（scheming）的评测方法，在前沿模型的受控测试中发现了与 scheming 一致的行为。团队还分享了用于减少 scheming 的早期方法的具体案例与压力测试。
推荐理由：OpenAI 与 Apollo Research 给出隐藏失配的评测与早期缓解方法，可了解前沿模型欺骗行为的检测思路。
OpenAI NewsAI 评分2222 OpenAI 研究揭示人们如何使用 ChatGPT
OpenAI 基于迄今规模最大的 ChatGPT 使用研究，展示了该工具如何在个人与职业场景中创造经济价值。研究显示，ChatGPT 的采用正从早期用户向更广泛人群扩展，逐步缩小使用差距，并成为日常生活的一部分。
OpenAI NewsAI 评分3838 OpenAI 研究：语言模型为何会产生幻觉
OpenAI 新研究解释了语言模型产生幻觉的原因，并指出改进评估方法可以提升 AI 的可靠性、诚实性与安全性。
OpenAI NewsAI 评分3434 OpenAI 研究开源权重 LLM 的最坏情况前沿风险：以 gpt-oss 为例
OpenAI 发布论文研究开源权重模型 gpt-oss 的最坏情况前沿风险，提出"恶意微调"（MFT）方法，尝试通过微调让 gpt-oss 在生物学和网络安全两个领域达到尽可能强的能力。
OpenAI News精选AI 评分4545 OpenAI 研究错误回答训练如何导致模型失准泛化
OpenAI 研究在错误回答上训练如何导致语言模型出现更广泛的失准，并识别出驱动这一行为的内部特征。该特征可通过极少量微调被逆转。
推荐理由：OpenAI 给出错误回答训练引发模型泛化失准的内部特征，并展示用极少微调逆转该行为。
OpenAI NewsAI 评分3838 OpenAI 发布医疗 AI 评测基准 HealthBench
OpenAI 推出面向医疗场景的 AI 评测基准 HealthBench，用于在真实情境中评估模型表现。该基准由 250 多名医生参与构建，旨在为医疗领域模型性能与安全性提供统一标准。
OpenAI NewsAI 评分2222 OpenAI 发布 BrowseComp：面向浏览智能体的基准测试
OpenAI 推出 BrowseComp，一个面向浏览智能体（browsing agents）的基准测试。该基准用于评估智能体在网页浏览任务中的表现。
OpenAI NewsAI 评分4040 OpenAI 发布 PaperBench：评估 AI 智能体复现前沿 AI 研究的能力
OpenAI 推出 PaperBench，用于评估 AI 智能体复现前沿 AI 研究的能力。该基准测试考察智能体能否重现最先进的 AI 研究成果。
OpenAI NewsAI 评分2222 OpenAI 与 MIT Media Lab 合作研究 ChatGPT 情感使用与情绪健康
OpenAI 与 MIT Media Lab 开展研究合作，探索 ChatGPT 情感使用与情绪健康的早期研究方法。