Logo
返回创作者榜
rick awsb ($people, $people)

rick awsb ($people, …

@rickawsb最近同步 2026/9/7 11:56:03
对标蒸馏在 X 查看

瞎读书，乱解释，买啥亏啥，宏观小学生，政经评论外卖员，正在ai中慢慢迷失自我，crypto holder, defi farmer, not financial advice 非投资建议

no where

7日排名
#84
总粉丝
15万
7日涨粉
-8
7日发帖
24
7日曝光
21万
帖均曝光
8.8K

上榜记录

当日上榜实时更新；历史记录保留每日增粉、发帖、曝光榜前 5 名。点击可查看对应海报。

暂无进入每日前 5 名的上榜记录

粉丝趋势

近7日每日已结算数据

7日30天

内容表现趋势

曝光/互动与发帖量均按自然日结算

发帖趋势

近7日每日发帖量

7日30天

帖均曝光趋势

每日总曝光 ÷ 每日发帖量

7日30天

参与的话题

共参与 1 个话题

查看话题榜
1ChatGPT与Codex使用讨论延伸模型拥堵和中文互动AI

ChatGPT与Codex使用讨论继续围绕模型可用性、中文用户沟通和工具选择展开。向阳乔木称，其所称的GPT 6 Astra开始提示更换模型，切换至“5.6 sol”后可以正常使用，延续此前容量报错的反馈。AB Kuai.Dong转述ChatGPT产品负责人Tibo用中文回应粉丝，并肯定对方从Claude Code转用Codex的选择，同时将这次互动与其对Claude封禁中文用户的指责对照。香港老雷则建议用户减少单纯刷信息流，转用GPT与Grok获取知识，但以科学家数量比喻模型能力明显属于夸张评价。上述帖子反映可用性与用户态度影响工具取舍，不能据此确认平台故障范围、封禁政策或模型能力排名。

参与帖子: 我其实并不太认同新模型的边际收益在收窄 模型完成工作的能力、科研能力正在大幅提升 只是对大量的只用模型做vibe coding的用户来说，可能感受没那么明显 正如去年底，只用模型做问答，不用模型来写code的用户，也基本感受不到模型能力的迅速提升 去年底今年初，是普通用户成为码农的黄金时间 现在开始，是码农成为科学家、ceo的黄金时间
参与 2 帖贡献曝光 2.1万话题热度 1.2K
#ChatGPT#Codex#模型容量

近7日爆款推文

按近 7 日曝光排序，展示前 10 条。

1
rick awsb ($people, $people)@rickawsb
14.9万 粉丝
曝光1.6万
从费马大定理验证到vibe science：ai的新能力如何重塑科研 Anthropic 昨天宣布使用 Claude 智能体在 11 天内完成了费马大定理（Fermat’s Last Theorem）的端到端计算机形式化验证，全部代码均在 Lean 证明助手 中通过编译。 这项突破的实质在于攻破了超长链条、高难度现代数理工程的自动化形式化壁垒，标志着科学研究正加速从传统的“假说与叙事科学”迈向“可计算、可自动验证的确定性科学”。 将人类自然语言写就的复杂数学成果转化为严谨的机器证明语言，曾被视作需要顶尖学者耗时数年的手工作坊式工程。 而Claude 在 11 天内生成了约 1300 万行 Lean 代码，完成了包含 29,500 个中间定理 的复杂推导。所有逻辑仅基于 Lean 的三条标准数学公理，并已在 GitHub 完全开源。 针对多智能体协作初期出现的上下文丢失与废弃代码问题，团队接入了哥伦比亚大学等开发的 Prove2Me 架构。通过动态维护定理依赖拓扑图（DAG）、解耦定理声明与推导细节、建立自然语言语义索引，数十个 AI 智能体得以在大规模并行中避免任务漂移。 随后进行的小型实验表明，仅需 3 个个人订阅账号，智能体便在 3 天内完成了维诺格拉多夫三素数定理的形式化。高难度形式化验证正从极少数头部算力实验室外溢为普通学者触手可及的基础工具。 这将为基础科学研究带来巨大的推动! 大语言模型在前沿科学探索中长期面临致命瓶颈：缺乏客观环境反馈，极易产生逻辑自洽却根本错误的“幻觉”。自动形式化的成熟为此补齐了最关键的逻辑闭环。 构建理论科学的“零容错评判器”：形式化证明系统充当了数理逻辑的物理引擎。大模型得以在严格公理体系下进行无幻觉的“自我博弈”（Self-play）与强化学习，自主推演新定理、检索反例并试错进化。 打破学科割裂，重组知识拓扑：分散在数以千万计论文中的非结构化知识，正被重构为全球可检索、跨学科互通的定理拓扑网络。计算机能够敏锐识别代数拓扑、量子场论与信息论之间的底层同构，加速催生跨界突破。 这种机器约束下的确定性搜索能力，正在重塑前沿科学理论与工业研发的核心链条，并加速从科研到应用的落地速度。 基础物理与数学的自洽性推演：量子场论、超弦理论与高维引力涉及庞大的张量运算与反常抵消。自动形式化工具能将物理假设转化为公理，快速排查复杂统一理论的隐蔽逻辑漏洞。 芯片 EDA 的全栈形式化等价验证：传统半导体验证占据 60% 以上研发周期且仍无法穷尽隐蔽死锁。大规模自动形式化使 2 纳米及以下微架构、乱序执行核与缓存一致性协议在流片前实现“数学级全状态等价证明”。 生物医药的物理动力学严密约束：在蛋白质设计与药物分子生成中，将热力学定律与反应动力学方程转化为形式化前置规范，能在生成初期用机器证明直接剔除违背物理实际的候选分子。 当自动形式化将繁琐的引理推导、边界检验与繁重验证完全托付给机器，科研人员的角色正迎来本质重构，science正在向coding一样，迎来vibe sicience时刻！
rick awsb ($people, $people) 的图片 1
评论 19转帖 4
2
rick awsb ($people, $people)@rickawsb
14.9万 粉丝
曝光1.2万
我其实并不太认同新模型的边际收益在收窄 模型完成工作的能力、科研能力正在大幅提升 只是对大量的只用模型做vibe coding的用户来说，可能感受没那么明显 正如去年底，只用模型做问答，不用模型来写code的用户，也基本感受不到模型能力的迅速提升 去年底今年初，是普通用户成为码农的黄金时间 现在开始，是码农成为科学家、ceo的黄金时间
评论 27转帖 0