5条命令1秒验证，60年数学难题有了机器裁判
数学家们苦苦追寻了60年的Andrews-Curtis猜想，在长度-14的边界上，有一位独立研究者甩出了一套机器可验证的JSON证书——只需5条命令，1秒内就能让电脑成为定理的裁判。这像不像给数学猜想装上了“代码解释器”？想看看数学+代码如何联手攻克前沿难题？这篇论文值得你花一刻钟感受。
最新文章
共 1665 篇3DMM法线图+视频扩散，TUM新作ViDS让表情控制告别“盲猜”
在视频生成领域，肖像动画一直是个既要保身份又要跟表情的棘手活。传统3DMM渲染生硬，纯扩散模型控制不准。本篇来自TUM和丰田的ViDS巧妙地把3DMM法线图作为视频扩散的条件，实现了精细、稳定的肖像动画生成，FID低至21.29，用户评分领先对手一大截。
田纳西理工最新实验：10%光抽头以96%精度破解量子身份认证
这篇论文用实打实的实验告诉你，量子身份认证在物理层面前就是个"裸奔"。只要在光纤上悄悄分出一束光（10%~30%），观察光子到达时间和光功率的波动，机器学习模型就能以96%~98%的精度区分出当前是在传数据还是在做认证。一旦摸清协议时间表，中间人就能绕过认证比特、只偷数据，整套认证体系瞬间失效。文章实验设计严谨，结果可信，是量子网络安全领域必须关注的一课。
98%精度破解量子认证！田纳西理工曝光全新物理层漏洞
量子网络被认为是下一代通信安全基石，但田纳西理工这篇实验研究给量子身份认证泼了一盆冷水：仅靠被动观测链路光信号，就能以98%的准确率猜出协议当前是在传数据还是做认证——这意味着精心设计的认证机制可能形同虚设。不用测量量子态，不用破坏纠缠，一台普通光功率计加一个SPAD就能当“暗桩”。值得所有量子安全从业者重点关注。
CIBB 2026：AI伦理也能代码化？都柏林大学提出计算伦理框架
龙哥之前吐槽过，AI伦理大多停留在原则文档阶段，无法落地验证。这篇论文直接上Z3求解器，把伦理规则编译成逻辑公式，跑一个sat/unsat就知道系统有没有违规。用金融心理健康数据做案例，验证了知情同意、公平等约束的机器可检查性。虽然还缺真实数据测试，但方向很正——让伦理不再只是文档，而是可执行的代码。
GenVC：首个压缩导向视频扩散模型，码率省62%秒变15fps
继7月聊过北大用0.005bpp还原视频细节之后，微软亚洲研究院带着GenVC来了——这是**首个面向视频压缩、从头训练的像素域视频扩散模型**。它不自欺欺人地继承百亿参数预训练骨架，而是用5.78亿参数干到码率省六成、解码15fps。更关键的是，它发现直接暴力蒸馏会让运动卡死，于是提出了**自适应分数蒸馏**来精准纠偏。想搞懂视频压缩+扩散模型的最强实战，
谷歌新方法：推理级Shapley近似，LLM数据审计空间缩减99.1%
继6月聊过Adobe的定量LLM评判器之后，Google这篇直接将数据审计玩出了新高度。不重训练、不跑几千次微调，靠推理前向传播就能近似Shapley值，把审计搜索空间干掉99.1%，在HelpSteer2和HH-RLHF里揪出了一堆人类标注翻车的样本，甚至发现评估基准里藏着“错误答案才是正确”的坑。对搞LLM对齐、数据质量的同学来说，这是真正的降维打击。
光子饥渴？色散失配？北邮这篇顶会论文用一个三端口量子门全搞定
光子饥渴链路上，一丁点残余色散就让量子接收器「抓瞎」——模式失配等于白白损失信号能量。北邮团队直接推导出了盲信道估计的量子极限，并且用一个三端口量子脉冲门加光子计数探测器就能原地达到它。结果漂亮：不用实时反馈，误差率稳在标准量子限之下。量子通信的工程闭环又近了一步。
对GPT-4o用粗鲁语气，准确率更高、成本更低？
每次跟AI聊天，你都以为只是“好好说话”？宾州州立大学的这篇新研究告诉你，你的语气决定了LLM的“烧钱”速度和回答质量。对GPT-4o吼一顿，竟然比礼貌请求更准更便宜。最高推理成本差异达到44.3%！想省token？先学学怎么“怼”模型。
北邮最新：双锚点训练让信道估计与图像重建秒杀扩散模型
语义通信是6G热门方向，但MIMO信道下非完美CSI导致的级联误差是老大难。北邮这篇工作巧妙地将信道估计与均衡误差统一建模为级联修复流匹配问题，用双锚点扰动训练+少步ODE推理，在信道估计和图像重建上大幅超越扩散基线。生成模型在通信物理层落地？这篇给出了漂亮的答案。
别再轻信世界模型了！700个脚本揭示AI模拟的致命缺陷
当智能体依赖世界模型来预判行动后果时，这个"预言家"可能会被恶意操纵。柏林工业大学的最新研究揭示了世界模型的七类安全漏洞，攻击成功率高达95%！本文系统剖析漏洞根源，并给出实用防御建议——AI安全领域必读。
剑桥实测6大模型：GPT最像人，Claude最“刻板”
你是不是经常让ChatGPT帮你评个点子的好坏？但你知道它的评判标准和你一样吗？剑桥学者刚刚揭开了谜底：LLM只认“新不新”，根本不关心“火不火”！这篇论文系统比较了六大主流模型的创造力评估标准，并验证了对实际评分的影响，值得所有用AI做决策的人一看。
