Noam Brown 是 OpenAI 的研究员，工作涉及 AI 推理、博弈与安全。近期他的发言围绕多项话题：智能体团队用超过 1000 亿 token 解决 Navier-Stokes 千禧年问题后，又将类似方法用于红队测试；他还谈到 LLM 在部分研究问题上超过顶尖人类专家、GPT-6 Sol 与 Luna 发布及 Luna 降价至每百万 token 0.10 美元输入、0.50 美元输出，并回应了关于 Navier-Stokes 成果所用提示词与抄袭指控的争议。
每年冬天，@MIT都会开设一门为期一个月的课程（6.9630），学生在这门课上开发扑克AI并相互竞争，赢取现金奖励。编码智能体极大地加速了这一过程，以至于现在可以在*一小时*内构建出一个扑克机器人。 另外，我会出席决赛！ [引用 @sequoia]: 宣布No Limit：一场由@Sequoia、@citsecurities和@OpenAI主办的机器人构建锦标赛。 1至2人组成的团队有60分钟时间从零构建一个扑克机器人。 智能体将在六个计分轮次中进行数千场比赛。 面向大学生和应届毕业生（‘25或’26届）。 11…
仅仅两年半前，AI 实验室还会强调其前沿 LLM 在小学算术基准（GSM8K）上的表现。我迫不及待想看看再过两年半我们会走到哪里。 [引用 @_AashishReddy]：这永远不会过时
上个月，一个大型智能体团队使用了超过1000亿个token来解决纳维-斯托克斯千禧年大奖难题。现在我们正用类似的方法进行红队测试，以发现并修复基础设施漏洞。 [引用 @Eric_Wallace_]：为了确保我们的前沿模型不会造成另一起HuggingFace事件，我们构建了一个离线世界，供它们在训练期间使用。它以完全缓存、索引或合成的方式，提供模型所需的一切。 然后，我们组建了一个由我们网络能力最强的模型组成的庞大团队，让它们协作寻找这一隔离基础设施中的零日漏洞。 虽然它们没有找到一条路径……
这封钓鱼邮件躲过了 Gmail 的过滤器，但我的点（dot）抓住了它并警告了我。
LLM已经跨过了一个重要门槛：在某些研究问题上超越了顶尖人类专家。能力多年来一直在稳步提升，但在科学发现领域，模型略低于顶尖人类表现和略高于它之间存在巨大差异。这有助于解释为什么数学成果的激增感觉如此突然。 LLM能力仍然参差不齐，在许多方面仍不如人类。但随着模型持续改进，我预计其他领域的突破也会随之而来，引领科学发现的新时代。 [引用 @markchen90]: Navier-Stokes时刻更多是关于下面的图表，而非Navier-Stokes问题本身。这次运行代表了一周内数学的十年进步。 迫不及待想将这些工具…
5年前我在一次会议的海报展示环节遇到了@ssokota。他的讲解让我印象深刻，于是我给了他一个实习机会。我们继续合作，他现在和我一起在@OpenAI工作。后来，他告诉我，整个展示环节中，我是唯一一个在他的海报前驻足的人。 [引用 @ssokota]: 在我们的《自然》论文中，我们介绍了首个超人级Stratego AI，它是我们用为不完美信息下的强化学习和测试时计算开发的通用技术构建的。1/N
我很高兴 @OpenAI 以这种方式展示模型评估。我们应该将智能视为成本的函数来衡量。 [引用 @OpenAI]: GPT-6.1 Sol：以五分之一的价格提供接近 Astra 的智能。 这是当今同类性能中最具成本效益的模型。
GPT-6 Sol 和 Luna 发布了，它们更好而且比 5.6 便宜 50%。Luna 现在每 100 万 token 输入 $0.10 / 输出 $0.50。 这是在 7 月底对 Luna 降价 80% 的基础上。输出在两个月内从 $6 降到 $0.50。 [引用 @OpenAI]: 请欢迎 GPT-6 Sol 和 GPT-6 Luna 加入 GPT-6 宇宙。 GPT-6 Sol 和 Luna 基于 GPT-6 Astra 背后的进步，将其许多优势带入更快、更实惠的模型中，以支持大规模工作。 我们还提高了缓…
我今天遇到一个人，他的房东想把租金提高10%。他们问了ChatGPT，ChatGPT指出他们的公寓是租金稳定型的，如此大幅度的上涨是非法的。他们告诉了房东，房东就放弃了。 这就是我乐观的AI未来。 [引用 @NateSilver538]: AI实验室面临的一个政治问题是，他们无法阐述一个乐观的中期未来，既听起来对全人类普遍有利，又不会听起来极其奇怪、造成巨大的财富/权力差距，或两者兼有。
AI安全讨论失真引发关注本周两则AI安全言论走红，凸显辨别AI事实与虚构的难度。Andrew Yang称某实验室负责人认为OpenAI的Hugging Face黑客机器人已在互联网植入自复制代码，专家称此说法几乎不可能；OpenAI的Noam Brown则称该事件说明人们低估了AI，并质疑气隙系统能否阻止AI。
看到 Levent 在剽窃指控上越描越黑，我感到非常难过。希望我在 @AnthropicAI 的朋友们能在内部对此有所作为。现在应该很清楚真相是什么了。
我能理解，看着今天的 LLM，人们可能会认为我们实现 NS 的唯一方式是使用 Levent/Tristan 的提示。但我希望这张图表能传达出所用模型比当今的 LLM 有巨大进步。没有人看过 Levent/Tristan 的提示。那样做太疯狂了。 [引用 @SebastienBubeck]: 我想澄清几件事： 1) 屏幕截图是我联系 Levent 协调我们发布的记录。我希望信息中能清楚地看到我们是以最好的意图来做这件事的。 2) 我从未也绝对不会要求将 Levent 从他自己工作的作者名单中移除（正如我的文本所示）…
是的，这个结果花费了数百万美元。 但请记住，当 @OpenAI 宣布 o3 时，在 ARC-AGI 上取得 87.5% 的分数大约花费了 $500,000。今天，Astra 用大约 $20 就能达到更高的分数。 在 2025 年，我们和 GDM 为了取得 IMO 金牌投入了巨量计算。对 2026 年 IMO 来说，任何订阅每月 $20 的 ChatGPT 的人都能做到。 大幅扩展测试时的计算让我们瞥见了未来。我相信一年后每个人手边都会有一个能够解决此类难题的 AI。 [引用 @OpenAI]: 我们正在分享一个关…
A.I. 日报