Lexifina 用 Lean 形式化美国税法,检查文本错误与税务漏洞
Lexifina 用 AI 和 Lean 检查美国税法,报告发现 138 处文本编写错误,并建立了覆盖部分 2025 年个人所得税规则的形式化模型。模型与 PolicyEngine-US 在 5,000 个家庭中的 4,993 个计算结果完全一致,搜索还找到已知税务筹划策略及 3 项未在所查资料中找到的结果。
Lexifina 用 AI 和 Lean 检查美国税法,报告发现 138 处文本编写错误,并建立了覆盖部分 2025 年个人所得税规则的形式化模型。模型与 PolicyEngine-US 在 5,000 个家庭中的 4,993 个计算结果完全一致,搜索还找到已知税务筹划策略及 3 项未在所查资料中找到的结果。
Vals AI 的 CyberOffense 测试显示,AI 智能体能无人协助地入侵模拟企业网络,开放权重模型的攻击能力接近受限模型。GPT-6 Sol 达成 80.8% 的目标,Deepseek V4.1 Flash 1017 达成 72.8%,单次运行成本分别约为 $22 和 $3。
Axiom 发布整个 Stacks Project 的 Lean 形式化开源库,将约 7,500 页代数几何参考文献转为约 1600 万行机器检查代码。研究人员和 AI 智能体可直接导入定义与定理,并在 stacks.axiommath.ai 查看原文与 Lean 代码的对应关系及交互式依赖图。
Anthropic 公布可证明推理研究进展,开源 FlashProve 原型,以 zkSNARK 核验输出是否来自指定模型,同时隐藏模型权重。
密歇根大学 Ang Chen 团队发布开源基准 CloudOpsBench 1.0,含 45 个 AWS 运维任务,Claude Fable 5.1 仅解决 60%、GPT-6 Astra 解决 53%。
Anthropic 发布开源研究原型 FlashProve,使用 zkSNARK 核验 AI 响应是否来自指定模型,无需公开模型权重或依赖可信硬件。技术报告称,在单张 H100 GPU 上针对 Llama 4 Maverick 生成证明的速度约为每秒 110 tokens,每份证明约 19 MB,标准 CPU 验证耗时 17 秒,相比普通推理增加约 70x 至 95x 开销。
Anthropic 正在研发开源系统 FlashProve,通过密码学核验特定输出是否来自声称使用的 AI 模型。该系统要求实验室发布不泄露模型权重的模型指纹,旨在防范暗中替换模型,并支持在本地设备上验证。研究团队已在 GitHub 开源详细技术规范和部分可运行代码,研究仍在进行,Anthropic 或其他实验室均无部署计划。
Vesuvius Challenge 向 Liam Warner 与 Nicola Bodill 授予 PHerc. 306B 的 $50K First Letters Prize,表彰他们从碳化卷轴中恢复可读文字的工作。
SkyPilot 在飞行 Roadster 模拟环境中后训练 Qwen3-4B,风暴翻转越车任务的成功着陆次数比不限思考时间的 GPT-6 Astra 多 21%。
Epoch AI 的实验发现,开放权重模型 GLM 5.3 可利用补丁时间差攻破 Firefox 的 6 个近期版本,无需用户进一步交互即可读取并外传本地文件。
推荐理由:GLM 5.3 利用公开补丁攻破 Firefox 的实验,将防御风险指向修复代码公开到正式更新交付之间的时间窗口。
Google Research 的 Harness² 是即插即用的智能体框架,在保持模型权重固定的情况下,通过任务级与跨任务递归优化提示词、工具、记忆等组件。