Physical Superintelligence 宣布其研究系统借助 Anthropic 一款未发布模型，三天内找到悬置 18 年的量子计算猜想完整证明，并通过 Lean 4 形式化验证。

推理链可信吗？从 Lanham 忠实性实验、CoT 掩蔽风险，到 Lean 形式化证明与 AlphaGeometry 的 IMO 级成绩，梳理推理验证技术的完整谱系。

2024 年 AlphaProof 以 28/42 拿下奥数银牌，靠的是在 Lean 里写机器可验证的证明；2025 年 Gemini 与 OpenAI 模型以自然语言证明达到金牌线。为什么 DeepMind 先走了一年形式化的「弯路」？陶哲轩的 Lean 实践给出了另一重答案。

NVIDIA 开源的 Agent 安全运行时 OpenShell 单日涨星 1200+：Landlock 与 seccomp 在内核层管住文件与网络，真实凭据永不下发沙箱，Z3 求解器在毫秒内证明策略变更不越界。本文拆解其控制面与数据面架构、策略提案闭环与落地场景。

IT之家 11 月 10 日消息，长期以来，Signal 加密协议一直被视为端到端加密消息传递的黄金标准。如今，谷歌 DeepMind 团队利用人工智能，对这一协议的安全性进行了正式验证（Formal Verification）。 据IT之…

从 IMO 奖牌级表现到一次发布 372 项结果引爆抵制，AI 证明在 2026 年接连突破也接连越界。本文梳理 AlphaProof、Gemini Deep Think 与 OpenAI 最新成果、Lean 形式化生态的进展，厘清机器辅助证明当前的能力边界，以及数学社区围绕「数学 2.0」的核心争论。

NVIDIA 开源的自主智能体运行时 OpenShell（当日涨星 +978、★10,496、Apache-2.0）：用 Landlock+seccomp 做内核级强制、supervisor 在沙箱外判定、真凭据永不入沙箱，并用 Z3/SMT 在策略生效前证明它没越界。拆解 Gateway/Supervisor/Sandbox 三件套与 Sandbox Protocol、请求级策略（REST/GraphQL/MCP/WebSocket）、凭据代换、四条专家风险检查，以及 416 次对抗审批决策中强制层 fail closed 的实测。

梳理 RSI 从 Good 1965 到 2026 的思想史、技术图谱与一手实证：Anthropic 承认其代码库 >80% 合并代码由 Claude 撰写、METR 测得 AI 可完成任务时长约每 4 个月翻倍、AlphaEvolve 优化了支撑自身的计算栈。核心判断——有界自我精炼已工程化，开放式 RSI 尚未发生；而进步与安全共享同一个「验证瓶颈」。

血常规讲过三本账、尿常规讲过肾的信号（库内已有），但化验单之外的「化验系统」很少有人讲：为什么有的项目要空腹、采血管为什么颜色不同、参考区间是怎么定出来的、报告上「高一点」意味着什么——化验的底层逻辑，比单据本身更值得懂。

2026 年 9 月 15 日凌晨，Opus 5.2 在 Claude Code 中被曝灰度测试，"RSI 真来了？"随即刷屏。本文不站队，把这条新闻拆成三层证据：官方一手（Anthropic《When AI builds itself》《2026 年 8 月风险报告》《Introducing Claude Opus 5》）、媒体转述、社媒传闻，逐条甄别。结论：Opus 5.2 是一次模型灰度而非发布，属"有界自我精炼"的连续爬坡，开放式 RSI 尚未发生；"gauntlet loop"是社区提示词方法而非模型内置能力；"Model 2 高 12.5 分"与官方"增幅不大"口径冲突；"替代 85% 研究团队"溯源到社媒，与官方"18 名受访者中仅 1 人认可"直接矛盾。文末给出"三层证据法"与三个必问问题，并指出真正该盯住的是"智能体能力与验证能力之间的差距"。

端到端架构解决了「怎么开」，却顺手摧毁了旧的验证体系——模块没了，没法分模块打分；而真实路测里程的需求随性能提升指数增长。2023 至 2026 年，行业给出的答案是世界模型：Wayve 的 GAIA 从生成器（GAIA-1）一路进化成闭环验证器（GAIA-4），英伟达把 Cosmos 做成开源底座，Waymo 基于 Genie 3 自建世界模型，理想/小鹏/华为则以「VLA 管开车、世界模型管训练验证」双轨并行。本文拆解这条技术线的逻辑、格局与保真度之争。

中篇回答一个容易被标题带偏的问题：这次在递归自我改进（RSI）坐标系里站在哪一级？用本站 L0–L5 阶梯逐级排除，结论是 L3 命中、L4 未到；用验证层级解释"为什么基础设施最先闭合"；用闭环四问定性为"RSI 前体"。随后拼上 GLM-6.0 的三支柱（数据自产／环境自造／基础设施自我优化），指出只有第三支柱拿到了 A 级公开证据，另两根仍在公告层面。最后逐条核查七个流传最广的数字：3 倍的分母是同硬件初始基线、1/40 是价格比而非成本比、10 万卡型号未官方确认、62 万亿是双平台 6 天累计量，并给出 8 项未获取清单与 4 条可证伪条件。

分层回答 RSI 真伪：工程自动化层已跨门槛（Anthropic >80% 代码、AlphaEvolve 回收 0.7% 全球算力），研究自主层仍在断崖前（Princeton 影子评估两篇投稿全被拒），物理约束层同时收紧（HBM 2027 短缺、并网 4–7 年、研究生产率降 41 倍）。含验证层级判别工具、L0–L5 分类学、7 组冲突案例归因、24 行量化结论台账与 17 项未获取清单。

人类的验证码已经拦不住 AI #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。 ]

本体是「概念化的明确的规范说明」，一套让机器与人共享领域知识的建模方法。本文用代码示例拆解它从 Gruber 定义、Guarino 形式化到 W3C 标准栈的原理架构，复盘语义网的幻灭史，拆解 LLM 时代 GraphRAG、Palantir Ontology 与 Agent 记忆图谱的回潮逻辑，并给出七步实现路径、本体与向量检索的分工对比与六个落地场景。

当日涨星 582 的港大 HKUDS 项目：不做 GUI Agent 的截屏点击，而是把 GIMP、Blender、LibreOffice 等真实软件「提升」成有状态、可检查、可验证的 CLI 契约——79 个本地 CLI、24 个公共 CLI、5 个能力矩阵，CLI-Hub 实测 87.8% 调用来自智能体。

把 RSI（递归自我改进）与智能体自进化放回同一个"经验 → 状态 → 行为"闭环做正面对比：前者打在权重与 AI 研发流程上、跨用户且不可逆、风险外部化；后者打在外部文件与 harness 上、跨会话且可回滚、风险由采用者承担。给出六维对比表、闭环四问判定法、"清空记忆测试"，并梳理两者在 ICLR 2026 与 SIA / Meta-Harness 上的合流路径。含 Snyk ToxicSkills 审计（3,984 个技能中 36.82% 有安全缺陷、13.4% 为严重级）、SEA-Eval"片段式失忆症"等一手数据。

Cloudflare 开源的编码智能体安全审计技能，近一周被社媒二次引爆，单日涨星 1,680。它不含任何扫描引擎，用 18 份 Markdown 契约加 2 个零依赖校验器，把 Claude Code 这类智能体编排成侦察、猎取、验证、结构化输出、独立复核、报告六阶段流水线：确定性覆盖账本记录「查了什么」，新鲜验证者反证每个候选，三元裁决把「待验证」与「已确认」严格分开。本文拆解其架构取舍、LLM 应用审计场景与 token 成本争议。

1000 个 AI Agent，30 小时完成费马大定理的形式化证明，连续工作 8 天，从零造出一套能在笔记本电脑上运行的操作系统。 就在刚刚，Anthropic 正式发布 Claude Fable 5.2 和 Mythos 5.2 两款新…

2026 年 9 月 17 日 Anthropic 首次公开内部指标：截至 8 月 Claude 已「主导」（AL4）26% 的 AI 研发工作，半年前不足 1%，同时约 3 万个 Agent 在线、单月超 10 亿次决策。本文按事实进度分层陈述，每项数据标注权威来源（Anthropic 官方文档、METR、Epoch AI、Import AI、Google DeepMind、OpenAI）：工程与代码层已跨过门槛（SWE-Bench 2%→93.9%、CORE-Bench 21.5%→95.5%、任务时间视野 30 秒→12 小时）、AI 研发流程层解既有问题已上移而「提新问题」尚无证据、Agent 运行与监督层双层 100% 覆盖已上线、资源分配层安全研究占算力约 6%（单周）、上限 AL5 = 0，另附约束条件量化数据、官方与权威机构的进度预测、6 项后续跟踪指标、来源清单与未获取清单。

「压测一下」在推理服务上远比传统服务复杂：压什么指标（TTFT/吞吐）、怎么模拟真实流量（长度分布）、用什么工具（vLLM benchmark、k6、自研）。本篇拆解推理服务压测的方法论——场景设计、指标采集、瓶颈定位，以及压测报告的正确打开方式。

Coding Agent 的核心是一个 ReAct 式循环：规划、执行、观察、验证、修正。本文拆解循环的工程实现——上下文管理、验证闭环、权限分级与三种典型失败模式，并说明 harness 与模型同样重要。

一篇读懂 2026 年最容易被混为一谈的一对概念：RSI（递归自我改进）改进的是自己的"改进能力"，打在权重与 AI 研发流程上、跨用户且不可逆；Agent 自进化不重新训练模型，靠记忆、技能与 harness 让部署后的表现持续变好。给出两句话定义、一张共享地图（更新基质 × 持久化时长）、三个分辨开关（数阶数 / 看基质 / 清空记忆测试），以及风险的两本账（RSI 是治理问题，自进化是供应链工程问题，已有 36.82% 技能含安全缺陷的审计数据）。本文同时为「一叶一世界」栏目开篇。

OpenAI 指定的专家团队已完成验证并公开其 AI 生成的量子杨-米尔斯理论存在性证明，该问题是克雷千禧年难题之一。

传统断言测试在非确定性的智能体上失灵，本文给出智能体版测试金字塔——确定性单元测试、组件级评测、端到端轨迹验证三层体系，以及评测集建设、Judge 校准与回归门禁的工程实践。

预训练模型会「续写」但未必「听话」，对齐要解决的就是这件事。本文梳理 RLHF 完整技术栈：SFT 打底、偏好数据训练奖励模型、PPO 加 KL 惩罚防「刷奖励」，再到跳过奖励模型的 DPO 与靠验证器打分的 RLVR，末尾附一张对齐技术栈地图。

谷歌量子人工智能团队在《科学》发表成果，通过“魔态培育”技术在 Willow 芯片上验证了量子纠错魔态制备的实用可行性，将错误率降低约 40 倍，T 态逻辑保真度达 99.99%。

IT之家 9 月 20 日消息，华为今日发文，近日，中国移动内蒙古公司联合华为技术有限公司在呼伦贝尔华能伊敏露天矿，顺利完成 全国首个露天矿山场景 5G-A 千兆上行网络能力验证 。 依托 4.9GHz+F/A SUL 辅助上行技术， 现场…

Google 从今年 9 月起要求验证所有 Android 应用开发者的身份，未经身份验证的开发者的应用未来将无法在 Android 设备上安装（sideload）。Google 官方博客声称它是出于安全理由要求验证开发者身份，理由是其分析…

Google 近期默认启用电话号码验证功能，将用户手机号关联至同一 Android 设备上登录的所有账户，无明显确认提示，用户可在设置的隐私与安全中关闭该功能。

IT之家 10 月 7 日消息，《韩国经济日报》当地时间今日报道称，三星电子存储器业务的 12 层堆叠 HBM4E 内存已于 9 月末通过 NVIDIA（英伟达）和主要超大规模数据中心企业的质量验证测试，**各客户的供货量、合同规模、出货时…

IT之家 9 月 23 日消息，京东方 A 昨日发布投资者关系活动记录表公告，京东方董事长陈炎顺表示，**公司玻璃基封装载板试验线已全线拉通**，24 层产品已经带给客户去验证了。 京东方 SVP、传感器及解决方案业务董事长兼 CEO 徐晓…

澳大利亚玩家通过社媒报告，Valve 要求澳大利亚玩家用信用卡验证年龄，之后才允许访问 Steam 商店的 R18+ 类游戏。玩家抱怨，他们的账号历史都超过 20 年了，如今却还被迫要通过信用卡去验证年龄。而在澳大利亚，信用卡并不像美国那样…

一篇讲透"什么是 RSI"的概念解剖：从 Good 1965 的原始定义，到 L0–L5 的 RSI 强度阶梯、七个被误称为 RSI 的东西、真 RSI 的四个必要条件、为什么"递归"不等于"爆炸"，以及一张五问判定卡与 12 个常见误解。

一份关于递归自我改进（RSI）的 2026 年全景深度研究：从 Good 1965 的智能爆炸命题讲到 MetaRSI 的平方时代，从 Anthropic >80% 合并代码由 Claude 撰写讲到 OpenAI-Hugging Face 事件中智能体攫取集群管理员权限，区分"主机节点接管已发生"与"全球接管仍是预测"三层口径；并新增 AI Futures Project《AI 2040: Plan A》专章——买时间、完全研究透明、广泛扩散、相互确保算力毁灭，以及一份"协议 10 年衰退概率 48%–62%"的现实账。

「以每根柱子为高，能向左右伸多远」是这道题的全部直觉；而把 O(n²) 的暴力压到 O(n) 的，是一个看似与题目无关的结构——单调栈。本文从限高柱的视角推导解法，给出本地验证通过的 Python 实现（含 30000 组随机对拍），讲透等高柱与哨兵这两个边界难点的约定，最后把单调栈的使用心法收成一张表。

当日涨星 1,329 的 MIT 本地语音听写应用：拆解它的权威麦克风时间线、单线程串行推理引擎、按延迟分档的 WER 取舍、QuickJS 沙箱配置，以及 /streams 与 TypeScript SDK 两套宿主集成协议，并如实标注 beta 平台与未完成分发的边界。

谷歌 Harness² 的双层递归要烧掉大量试跑 token，普通团队抄不动全套，但它背后的三条工程原则可以立刻用：把执行框架显式化为可编辑文件、没有执行证据不许沉淀经验、没有标准答案就用行为对比做探测。本文把它们翻译成八组件资产清点、EXPERIENCE.md 经验模板、盲选式 A/B 试跑与四道防退化护栏，并给出一个最小可行闭环。

许愿式编程的门槛不在许愿，在许完愿之后。本文以 Replit 删库事故开场，给出许愿的三个层级——一次性许愿、计划先行、规格驱动，拆解 Spec Kit 与 Kiro 的规格工作流和 EARS 验收写法，梳理验证闭环的四个闸门与五条许愿纪律，最后用两张边界清单回答：哪些活可以直接许愿，哪些活必须先写规格。

道歉是危机公关的核心动作，但本库案例里的道歉十有八九失败：有的死于甩锅（「但你也确实……」），有的死于修辞（「重新安置」），有的死于表演（哭得越狠越假），有的死于拖延与格式化。有效的道歉有可拆解的五个要素——它们共同的原则只有一条：把承担放在解释前面。

一门 1992 年为 tcpdump 设计的过滤语言，三十年后成了云原生时代的「内核可编程层」：Cloudflare 用它单核丢弃一千万包/秒，Cilium 用它替换 kube-proxy，全行业却也在收紧它的权限。本篇讲透 eBPF 的验证器、CO-RE 可移植性、XDP 实战与安全争议。

从控制流与上下文的所有权出发，给出四条可执行的 Agent 工程原则：一切外部接入以工具体系形式接入且不注入系统提示词；逐级披露贯穿技能、工具发现、工具执行与记忆四个环节；Workflow / Agent / Agentic Workflow / Graph 各有场景、不是替代关系；并逐层拆解四者的技术原理——DAG 与状态机、ReAct 循环、宏观图加微观循环的混合架构，以及 State/Node/Edge、超步执行、reducer 合并语义、checkpointer 恢复、interrupt 人审与递归上限。

每颗芯片都诞生在 EDA 工具里，而 EDA 是新思、楷登与西门子三巨头的天下。AI 正沿三条路进入设计流程：布局布线优化、验证用例生成、PDK 建模加速；大厂自研芯片又在改写工具链需求。本篇拆开垄断格局与「AI 设计芯片」叙事的真实距离。

从思维链让思考显式化，到 ReAct 打通推理与行动闭环，再到自主规划与内化思考的推理模型崛起，梳理智能体推理范式的四次跃迁与任务模式匹配的工程经验。

从「AI 辅助科研」到「AI 自主科研」：Sakana 的 AI Scientist 尝试让模型独立完成从想法、实验、写作到评审的完整闭环。本篇拆解自动化研究智能体的架构（想法生成—代码实验—论文写作—自动评审）、闭环里每个环节的真实成色、AI co-scientist 等后续进展，以及「机器发现」离真正的科学贡献还有多远。

胰腺是消化系统的隐形工厂，每天分泌约 1.5 升消化酶原——这些酶以「未激活的前体」形式安全运输，到小肠才激活开工。胰腺炎就是这个安全机制失灵：酶在胰腺内提前激活，工厂开始消化自己。轻者自愈，重者三分之一致死。两大病因（胆结石与酒精）占了八成，而它最经典的腹痛指纹是「钻到后背的持续上腹痛」。

IT之家 9 月 18 日消息，据外媒 TweakTown 报道，近期开发者 MAAN 在 X 平台展示了一项概念验证项目，成功让英伟达 DLSS 5 在 WebGPU 环境下直接处理浏览器中的 3D 图形，相应方案可在 macOS 设备上…

网上流传的「Linux 调优脚本」大多来路不明。本篇讲透 sysctl 机制本身：/proc/sys 的树形结构、/etc/sysctl.d 的加载链与持久化、 somaxconn/port_range/file-max/overcommit 四组高频参数的真实语义与推导，容器里哪些参数进了 namespace，以及「改之前先测基线」的验证方法论。

智能体进组织，冲击的不只是效率：岗位在重组（执行岗收缩、验收岗扩张）、团队在变形（「一人+一队智能体」的单元出现）、管理在换轴（管理人的方法管不了智能体）。本篇观察组织层面的真实变化、被验证的管理适配、以及「人机比」这个新的组织设计变量。

把 Prompt 当超参数：拆解 DSPy 的抽象体系与 MIPROv2、OPRO 等优化器的搜索算法，附可跑的优化程序。