🤖 AI 资讯早报 · 10-07

🔥 必读

1️⃣ 4B 模型下棋比肩大师、还会讲棋，陈丹琦团队怎么做到的？

普林斯顿陈丹琦团队发布 QUEEN（arXiv 2610.03695），总参数约 4B，棋力接近一位典型特级大师（Lichess 口径 2697，而特级大师快棋等级分中位数约 2730），同时能用自然语言讲清自己为何这样走。架构思路是「沉默的大师 + 会说话的解说员」：棋力核心用 Lc0 家族的 BT5 网络（约 240M、15 层，不做搜索即近超人），语言端用通用模型 SmolLM3-3B，两者之间借鉴 Flamingo 的门控交叉注意力插入 16 个桥接模块（约 470M，逐层对接 Leela 浅层与深层表征、门控零初始化再逐步打开）。先用四阶段问答课程教语言端读懂棋盘（静态→动态→多步推演，四类问题准确率 96.07%–99.97%），再用迭代搜索蒸馏自我进化（「语言版贝尔曼更新」：每局面写三个候选，各走一步重新分析，由 Qwen3.8-27B 合并成完整解释，仅当结论更优才留作训练数据）。七轮后分数从 1782 一路升到 2697（+915）。对照：Gemini-3.1-Pro 2201、GPT-5.6-Sol 2071、同为 4B 的前作 C1-4B 32 盘全负。论证质量：战术题首步不失误率 91.6%（比第二名 Gemini 高 9 个百分点）、实战局面 97.1%；短板是概念连贯性仅 2.76（低于 Sol 的 3.61）。模型已在 HuggingFace、代码已在 GitHub 开源。

原文：机器之心 · 4B模型下棋比肩大师、还会讲棋，陈丹琦团队怎么做到的？

2️⃣ 黎曼猜想临界线零点比例下界达 67.35%：清华团队开源模型 VeriLoop E2 叩开可验证智能之门

清华大学深圳国际研究生院（刘厚德教授、周超男董事长联合指导）发布开源模型 VeriLoop E2，以 Qwen 3.8-27B 后训练，面向代码、数学、物理等有外部可验证约束的复杂推理任务。核心机制是循证收敛递归（VGR）：把「生成候选」与「获得持久化提交资格」分离——候选必须先外显为可检查制品，再由独立 Verifier 判断它是否对一组固定受保护义务构成严格进展，从而把状态转换（严格进展/无进展/回归/完成）外化为可学习监督信号；训练数据池含 1,841,831 条 records。9 项 Benchmark：SWE-bench Pro 76.2%、Terminal-Bench 2.1 88.8%、AIME 2026 98.3%、GPQA Diamond 93.94%、Apex 2025 89.6% 等。数学 Demo 选了黎曼 ζ 函数临界线零点比例下界 κ：从 67.25% 推进到 67.350003708785593%，据称已完成局部不等式验证、困难区域穷尽检查（327/327 个困难 well、190,375,830 个 branch-and-bound 节点）与精确有理数组装；过程亮点是反例驱动——两个更高候选（67.3503%、67.3501%）因反例暴露种子族覆盖不全（遗漏约 2.915 的大间隔结构）而被主动放弃。同步发布 GGUF 量化版（Q6_K 为质量/效率甜点、IQ1_M 为最小占用）。⚠️ 重要限定：67.35% 目前只是有限维计算机辅助证书候选，riemannzeta.fun 公开账本截至 2026-09-17 的正式 kernel-verified 纪录仍是 67.2500703679%，与上游 Zeta23 的形式化桥接、及 Lean/nanoda 内核端到端重放尚未完成。

原文：机器之心 · 黎曼猜想临界线零点比例下界达67.35%：清华团队开源模型VeriLoop E2叩开可验证智能之门

3️⃣ RSI 火了，但自进化也会过拟合：Google 等提出 RRSI，给自进化施加正则化

Google 等发布 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses，arXiv 2609.24972）。论文指出：当前 Agent 的 Harness 自进化（反复修改 prompt/控制流/工具/记忆/子智能体）本质上是在同一批 evolve tasks 上持续做 adaptive search，会带来三类耦合问题——benchmark-specific fitting、evaluation noise chasing、complexity accumulation，最终出现「evolve score 持续上涨，但离开演进集后收益迅速缩水」的反直觉现象。RRSI 的关键选择是不限制「能改什么」，只正则化「怎么搜」：Proposal 端限制单轮可同时塞入的纠缠改动数量（前期广探索、后期收紧以便归因）、保留完整 Evolution History 作证据、长期停滞时把算力转向少探索的组件；Selection 端更严——benchmark-specific 改动提前筛掉、落在噪声范围内的涨分不写永久状态、新增 context/token 必须用足够性能增益证明价值、长期无贡献机制直接 prune。最反直觉的 ablation：去掉正则化的 Unregularized Evolution 把 evolve score 推到 92.8（高于 RRSI 的 90.5），但三个从未参与演进的 OOD Benchmark 上 RRSI 达 43.6 vs 40.3，且每 Trial 仅耗 2.42M policy tokens（对比 3.80M）——更高的 evolve 分对应更差的迁移与更高的推理成本。在 Coding、Agentic Workspace、Engineering Design 三类环境共 8 个 Benchmark 验证。

原文：机器之心 · RSI火了，但自进化也会过拟合：Google等提出RRSI，给自进化施加正则化

📌 值得看

4️⃣ Token 账单扛不住了，Meta、微软开始猛砍 Claude 使用

The Information 报道，在 Anthropic 冲刺 IPO 的关键节点，Meta 与微软同时收紧 Claude。Meta 用 Claude Code 开发自家 Muse 后，内部 Claude Code 活跃用户从 6 万降到 3 万（−50%），转向自家 Muse Code（已超 6000 名员工用户）与内部 MetaCode（超 3 万人）；Meta 最近一个 28 天周期在 Claude Code 上花费就超 1.05 亿美元。微软将内部 Claude 支出削减超 33%，把单人每月 token 预算从 10 万美元砍到 1 万美元，并要求尽量走 GitHub Copilot（其自动模式多数情况优先路由到 OpenAI 模型，且微软与 OpenAI 的商业关系可进一步压低成本）。Anthropic 对投资者称：ARR 自今年 1 月以来增长约 7 倍（从约 90 亿到 650 亿美元），超 100 家企业客户年支出 >1000 万美元；并回应「两客户贡献 25% 营收」是 2025 年旧数据（当时全年营收仅 46 亿美元），放到今天 11 亿美元不到当前年化规模 2%。

原文：机器之心 · Token账单扛不住了，Meta、微软开始猛砍Claude使用

5️⃣ 刚刚，诺贝尔物理学奖给到中微子天文学，IceCube 之父 Francis Halzen 独享

2026 年诺贝尔物理学奖授予比利时粒子物理学家 Francis Halzen（本届唯一得主），表彰他对 IceCube 中微子天文台的决定性贡献及「发现源自天体物理过程的高能中微子」。其核心洞见是把南极冰盖直接变成探测介质：冰下 1.5 千米、由 86 根探测串、5000 多个光学模块组成立方千米级探测器（世界首个吉吨级中微子探测器），通过切伦科夫辐射反推中微子来向。为什么中微子适合看宇宙：它不带电、不被磁场偏折、几乎不被吸收，可从致密天体核心笔直飞来并指向诞生地；高能中微子与宇宙线同源（π 介子衰变），找到其来源≈找到宇宙线加速器。工程难度三重——规模（通量极低需立方千米介质）、背景（大气 μ 子多出约百万倍）、介质（须透明、黑暗、稳定）；从 AMANDA 原型到 IceCube 全阵列物理运行走了约 25 年。

原文：机器之心 · 刚刚，诺贝尔物理学奖给到中微子天文学，IceCube之父Francis Halzen独享

6️⃣ 给 ChatGPT 打水印的人，是「统计学诺奖」得主苏炜杰

OpenAI 正式启用文本水印：全球 API 客户可自行开启（默认关闭），未来几周欧盟区符合条件的 ChatGPT 与 Codex 输出将覆盖水印（全部付费档），检测器仅向通过审核的研究者与专业机构开放。直接推手是欧盟《人工智能法》第 50 条（2026-08-02 起适用）+ 6 月《AI 生成内容透明度行为准则》。配套技术报告 《textGrain: Entropy-Calibrated Watermarking for Language Model Text》 的通讯作者是今年考普斯会长奖（COPSS，统计学界「诺奖」）得主、Wharton 教授苏炜杰（2012 年来首位华人得主）。核心问题：传统「无偏」水印（如 Aaronson 的 Gumbel-max）在固定密钥下总是选同一个词，令同提示反复生成一字不差、牺牲采样多样性。textGrain 把任何无偏水印看成生成词与密钥随机数的「耦合」，证明耦合偏离独立程度的 KL 散度 = 互信息 = 固定密钥后平均丢失的抽样熵，据此引入可解释的「熵预算 β」（0–1，规定最多拿出多大比例选词自由交给密钥），再用带 KL 正则的最优传输（OT）在预算内挑最优耦合，并分块使 OT 在十几万词表上可解。

原文：机器之心 · 给ChatGPT打水印的人，是「统计学诺奖」得主苏炜杰

7️⃣ GLM-5.3 上架 Amazon，智谱打开海外收入分成通道

AWS 旗下大模型服务平台 Amazon Bedrock 官宣接入智谱 GLM-5.3，AWS 将基于模型调用量与智谱进行收入分成。除 AWS 外，智谱近期与多家海外云厂商落地收入分成模式，作为一条具规模潜力的商业路径；国内亦已与阿里云百炼等头部云厂商签署类似分成协议，华为云已上架 GLM-5.3 并就合作达成意向，形成贯通国内外的分成体系。

原文：36氪 · GLM-5.3上架Amazon 智谱打开海外收入分成通道

📄 其他