全部动态

Google DeepMind 用智能体 AI 对 Signal 协议关键密码学保证完成形式化验证

Google DeepMind 研究人员用智能体 AI 对 Signal 协议的多项关键密码学保证做了数学证明，即形式化验证，项目历时四周，使用的是名为 AlphaProof Code 的新 AI 框架。

Google DeepMind 用 AlphaProof Code 数学证明 Signal 协议代码层安全

Google DeepMind 称，其 AlphaProof Code 框架对 Signal 应用的密码系统完成数学证明，验证到代码层面，并称这是 AI 首次做到这一点。该加密系统每天保护数十亿条私人消息。

Gemini 智能体在 Lean 中生成超 600 万行证明，人工仅需复核关键 1%

Google DeepMind 称 Gemini 智能体在 Lean 中生成了超过 600 万行证明，并对代码进行审计，使人类专家只需复核其中关键的 1%。Google DeepMind 将其描述为用 AI 验证日常通信、电网等关键基础设施的一步，详情见 https://goo.gle/4BLrkbk。

Tree-Ising 用比特级 Ising 编辑修复语言模型推理循环

Tree-Ising 把语言模型推理循环的修复转化为对模型自身 BF16 权重的稀疏离散优化问题，将目标精确分解为逐输出行的独立 QUBO（Ising）问题，在 GPU 上用模拟退火或量子启发式模拟分岔求解。

Google 用 Gemini 4 Carbon 与 AlphaProof Code 形式化验证 Signal 协议代码

Google 团队用 Gemini 4 Carbon 配合 AlphaProof Code，对 Signal 协议底层代码做形式化验证，一直核验到编译后的设备代码。Gemini 4 Carbon 生成超过 600 万行经机器校验的 Lean 证明，把原本需要数年的专家人工验证压缩到数周，约 1% 的代码库需要人工复核，其余由 Lean 自动检查。Google 表示将向安全社区开源这一结果。

谷歌开放 Gemini 4 Carbon 模型，主打复杂编程、科学研究与网络安全

谷歌正式开放 Gemini 4 Carbon 模型，面向开发者、企业、科研人员和消费者，重点用于复杂软件工程、多步骤智能体任务、科学研究和网络安全。谷歌称该模型在复杂任务中投入更多推理 Token 做假设探索与结果验证，已通过 Gemini API 和 Google AI Studio 向付费开发者开放，并逐步向 Google AI Ultra 订阅用户开放。

Gemini 4 Carbon 在 ARC-AGI 基准上的成绩

来自 @Google 的 Gemini 4 Carbon 在 ARC-AGI 上（已核验）： - ARC-AGI-3：99.1%，$4.6K（provider adapter），65.1%，$7.2K（标准测试框架） - ARC-AGI-2：94.2%，$0.38/任务 - ARC-AGI-1：98.5%，$0.16/任务 在标准测试框架下，Carbon 在 ARC-AGI-3 上以 18 个百分点击败了其前代 Argon。

Gemini 4 Carbon 登 ARC Prize 排行榜

@Google - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Gemini 4 Carbon 完整结果：https://arcprize.org/results/google-gemini-4-carbon

Gemini 4 Carbon 在 ARC-AGI 基准上的成绩

来自 @Google 的 Gemini 4 Carbon 在 ARC-AGI 上（已核验）： - ARC-AGI-3：97.7%，$4.4K（provider adapter），65.1%，$7.2K（标准测试框架） - ARC-AGI-2：49.6%，$0.10/任务 - ARC-AGI-1：98.5%，$0.16/任务 在标准测试框架下，Carbon 在 ARC-AGI-3 上以 18 个百分点击败了其前代 Argon。

Gemini 4 Carbon 登 ARC Prize 排行榜

@Google - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Gemini 4 Carbon 完整结果：https://arcprize.org/results/google-gemini-4-carbon

AI 成为“神谕”后，数学会怎样？《Big Math》新书探讨

应用数学家 Steven Strogatz 与 Alex Townsend 合著新书《Big Math: The Hidden Codes That Run Our World》，聚焦大语言模型、AI 聊天机器人与量子计算推动的“大数学”正开始超出人类理解能力这一变化。

Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2：同一模型，不同安全防护

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，两者为同一底层模型，Fable 5.2 增加分类器拦截高风险网络安全任务和多数研究生物学任务，Mythos 5.2 则移除这些限制、需通过 Cyber Verification Program 与 Life Sciences Verification Program 使用。

谷歌 DeepMind 用 AI 智能体完成 Signal 协议形式化验证

谷歌 DeepMind 团队用具备自主执行能力的 AI 智能体对 Signal 加密协议完成形式化验证，以数学方法证明其满足安全性承诺，整个分析过程耗时约四周。该验证针对协议本身而非 Signal 应用的整体安全审查；团队还用该方法测试了含已知漏洞的旧版协议实现，AI 识别出问题并判定其未通过验证。谷歌表示尚无法确定该技术在更大范围推广的实际可行性，也未公布所需算力规模。

Google DeepMind 用 AlphaProof Code 形式化验证 Signal 协议生产代码

Google DeepMind 团队宣布用新智能体验证框架 AlphaProof Code 对 Signal 消息协议的实际生产代码完成形式化验证，作者称这是首次有广泛部署协议的真实生产代码被验证到这一深度。

Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，重夺全球 LLM 第一

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，在 Artificial Analysis Intelligence Index v5 上以 65 分重回第一，超过 Gemini 4 Carbon（60）与 Opus 5.5（59）。

基金委发布5个重点专项2026年度项目申报指南，含“人工智能的数理基础”

国家自然科学基金委员会公布“十五五”国家重点研发计划5个重点专项2026年度项目申报指南，包括“重大需求导向的数学理论及应用”“力学技术科学及应用”“物态调控”“促进重大产业变革的催化科学”和“人工智能的数理基础”。项目网上填报受理时间为2026年11月13日8:00至12月8日16:00，推荐单位须于12月11日16:00前确认推荐。指南要求资助项目代表性论文20%以上发表在我国科技期刊上。

Claude Fable 5.2 刷新 ARC-AGI-3 高分

来自 @AnthropicAI 的 Claude Fable 5.2 在 ARC-AGI（已核验）上的表现： - ARC-AGI-3：97.7%，$18.6K（provider adapter harness），81.2%，$21.9K（标准 harness） - ARC-AGI-2：93.8%，$0.98/任务 - ARC-AGI-1：98.5%，$0.36/任务 Fable 5.2 在标准 harness 下创下 ARC-AGI-3 新高分。

Anthropic 推出 Claude Fable 5.2 与 Mythos 5.2，API 调用费下降 20%

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，两款模型基于同一底层模型，前者面向普通用户并内置网络安全与生物安全防护，后者面向通过审核的网络安全和生命科学机构开放。

Claude 智能体在 42 列车时刻表问题上改进 MIPLIB 最优解 2.6% 并证明其最优

Claude 官方称，在一个为 42 列车排时刻以削减峰值用电的问题上，智能体在不到两小时内得到的时刻表比 MIPLIB 现有最好解优 2.6%，随后证明不存在更好的时刻表。相关解已提交给 MIPLIB 供任何人核查。

Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，称约千个智能体 30 小时完成费马大定理 Lean 形式化

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，两者共用同一模型底座，区别在访问权限：Fable 面向所有用户并对网络安全和生物学高风险任务设限，Mythos 解除部分限制，仅向通过 Anthropic 网络安全或生命科学验证计划的组织开放。

Claude 在 MIPLIB 的 203 个开放优化问题上改进 72 个解

Anthropic 的 Claude 官方账号称，在 MIPLIB 优化问题库的 203 个开放问题上，Claude 在 72 个案例中优于所列数学解，并在 45 个案例中证明某个解为最优。MIPLIB 收录的是机组排班、配送车辆调度等混合整数规划问题，上述数字来自发布方自测。

Anthropic 用 1000 个 Claude Fable 5.2 智能体在 28.7 小时内完成费马大定理形式化证明

Anthropic 报告一项玩具实验：1000 个运行 Claude Fable 5.2 早期版本的智能体在 28.7 小时内完成了费马大定理的形式化证明，未使用 Prove2Me 平台，也没有研究者全程指导。

Claude Fable 5.2 登顶 AA 智能指数

Anthropic 发布 Claude Fable 5.2，在 Artificial Analysis Intelligence Index v5 上以 65 分登顶，领先 Gemini 4 Carbon（high，60）和 Claude Opus 5.5（max，59）。

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2 模型

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 两个模型，称其在编程、推理和视觉方面较 5.1 版本有所提升，输出速度更快。

1000 个 Fable 5.2 智能体用 30 小时完成费马大定理形式化

Claude 官方账号称，一支由 1000 个 Fable 5.2 智能体组成的团队用 30 小时将费马大定理的证明完整形式化，转写成计算机可逐步检验的语言。同一设置下，Opus 5.5 在 18 小时内只完成 26%，到 30 小时也几乎没有更多进展。

MIT 研究者的早期职业数学家 AI 调查：260 余人参与，结果已发布至 arXiv

MIT 的 Anna Brandenberger、Hanna Mularczyk 和 Dora Woodruff 对早期职业数学家开展 AI 观点调查，共 260 余名数学家参与，覆盖约 60 家机构和至少 5 个国家，结果已于 10 月 29 日发布到 arXiv。

Physical Superintelligence 研究系统用 Lean 证明 Aaronson-Ambainis 量子猜想

AI 科学初创公司 Physical Superintelligence 称，其内部研究系统运行一个非公开的 Anthropic 模型，为 Scott Aaronson 与 Andris Ambainis 自 2008 年提出的量子计算猜想找到了证明，运行第三天即得到完整证明并由证明助手 Lean 逐步检验通过。

姚期智、杨植麟联合署名论文推出TCSExam，评测9个前沿大模型的理论计算机科学能力

姚期智团队联合杨植麟等发表署名论文《TCSEXAM：在TCS研究的全范围内评估前沿大型语言模型》，推出TCSExam评测，把定理证明、求解器工程、构造和开放猜想四类任务纳入同一考卷，由Lean内核等机器验算。

入选理由论文把理论计算机科学的定理证明、构造、求解器与开放猜想纳入统一评测，研究者可据此判断大模型在哪些数学任务上已能产出可机器核验的结果。

SwarmEvolve 用 450 个隐空间智能体并行做数学发现与优化

alphaXiv 推介的论文提出 SwarmEvolve，让 450 个智能体并行在内部推理而不生成文本，并通过 KV-cache 共享思路，再用新颖性过滤保留多样方案后组合成新解。

本科数学教育该教学生什么：AI 时代如何培养数学理解力

在美国新泽西一所文理学院的两位数学教师看来，AI 已能自动完成练习、证明与计算等传统训练环节，本科数学课程必须教学生与 AI 系统协作。他们主张训练学生批判性核验 AI 输出、理解并解释以"陌生"形式呈现的结果，而非把思考过程外包给 AI。文章提到 2026 AMS Committee on Education Workshop Report 已开始调整研究生课程，但本科层面需要平行且持续的努力。