最近，陶哲轩迷上了形式化数学证明。 在YouTube上，他开设了账号，上传了4段视频：如何用Lean形式化数学证明。 尤其引人注目的是第三支视频（下图右三），他借助GitHub Copilot挑战了数学分析中的基础内容——微积分中的ε-δ极限。 如今 ...

这项由香港中文大学的裴泽华、潘烜嘉林、余北和华为诺亚方舟实验室的张颖、甄慧玲、余显志、刘五龙、袁明轩等研究人员共同完成的研究，发表于2025年5月的预印本论文平台arXiv（论文编号：2505.17639v1）。有兴趣深入了解的读者可通过GitHub ...

陶哲轩表示，大约 20 年前，他写了一本名为《Analysis I》的实分析教材，旨在补充市面上众多优秀的实分析教材。该书侧重于基础问题，例如自然数、整数、有理数和实数的构造，并提供足够的集合论和逻辑知识，使学生能够进行高度严谨的证明。

直接上图， OmniConsistency 能很好的维持风格化前后构图、语义、细节一致，对人物面部特征的维持也有一定作用。对多人合影等复杂场景，很好的维持了人数、姿势、性别、种族、年龄，甚至还能维持图片中的英文文字正确性。

业界普遍认为AI上下文越长越好，但这存在一个核心矛盾：模型能“吞下”海量信息，却难以真正“消化”。面对长文，它们会忘记要点、无法深入推理，这已成为一大瓶颈。 例如，AI 能记住第1页的内容，同时理解第100页的观点，并将两者联系起来进行推理吗？

近年来，随着大语言模型（LLMs）技术的迅猛发展，隐私风险日益凸显。模型在训练过程中可能无意间记住敏感信息，这一问题引发了广泛关注。在这种情况下，机器遗忘（Machine Unlearning）技术应运而生，旨在确保模型能够选择性地抹除特定知识，同时不影响其整体性能。

AI Coding的唱衰者认为，从最底层的汇编语言、C语言再到更高级的Python、Java，编程语言的进步已经让程序员越来越失去对底层的控制，自然语言则让这种“失控”又增加了一层。

全球创投圈又发生荒唐一幕。2025年5月，曾经风光无限的印度AI独角兽Builder.ai正式进入破产清算程序，16亿美元估值一夜归零，震惊全球科技与投资圈。Builder.ai的故事，堪称一场精心编织的“骗局”。创始人Duggal，是一位帝国理工学院毕业的“技术神童”，公司早期宣传的“AI自动生成代码”技术，配合精心设计的Demo演示， ...

界面新闻记者 | 陆柯言 查沁君界面新闻编辑 | 文姝琪 2022年，硅谷再次发生了熟悉的故事。四个MIT（麻省理工学院）的年轻人决定辍学，创立了初创公司Anysphere，并只用三个月时间推出了Cursor。