搜索
近期，AI 在数学研究领域的进展引发广泛关注。OpenAI 等机构接连公布 AI 解决数学问题的新成果，也让数学界开始重新思考：当 AI 能够参与甚至独立完成复杂数学证明，数学家的价值将如何体现？数学研究的范式、人才培养方式又将发生哪些变化？
把 Claude Code 和 Codex 搬进豆包工作，只需点一下。
在 AI 圈，几乎所有人都在讨论 AI 什么取代我，取代数学家、设计师、经济学家，但被「杀死」最多次的一定是程序员。
十年前，我们用 Soul、陌陌这类 App 认识陌生人，单身交友，不敢明目张胆发挥荷尔蒙。
最近 AI 圈有一个共识，越喊越响：App 和 Saas 会消失，未来只剩 Chat 对话。
被抽走灵魂的两年。
AI 可能快要学会一件有点可怕的事：自己复制自己。
AI 办公，最大的门槛反而不在 AI，在于一个认知错觉：你以为它都知道。
AI 视频越来越逼真，生成它的算力却并不便宜。复杂的动作、连贯的镜头和细腻的画面，背后都需要大量计算。一旦进入批量制作，反复生成、修改和重试的开销便会累积，成为创作者与视频平台必须考虑的成本。
近日，清华大学电子工程系数据科学与智能实验室在 AI for Science 方向提出面向智能体符号回归（agentic symbolic regression）的运行时框架 SRHarness [1]，让 AI 更可靠地从观测数据中发现公式；同时构建机制发现基准 MechBench [2]，系统评测 AI 能否进一步揭示公式背后的机理。