标签
OpenAI宣布在数学、计算机科学和物理学领域取得三项重大科学发现——包括对指数时间假设的反驳——同时推出一种新的合作模式，借助外部学术界'引路人'来指导和验证成果。
菲尔兹奖得主Richard Borcherds就OpenAI的Navier-Stokes证明引发的争议发表看法，认为数学家们的挫败感源于对AI能力的逐渐认知，而非技术本身存在任何问题。
一位 Anthropic 研究员在题为《人类世的终结》的演讲中告诉满屋的博士生，他们原本规划的职业道路已不复存在，演讲中的数据颇为残酷。
作者认为，AI模型在高等数学上超越人类只是一个开始，物理学、化学和工程学等领域的理论与计算科学研究将在五年内发生根本性变革，这对这些领域的学术研究者构成生存性风险。
一篇 Hacker News 帖子吐槽 ICLR 审稿中泛滥的晦涩 AI 写作，并附上一段匿名论文中的典型模糊表述，呼吁社区讨论如何在不简单指责“AI 写作”的前提下，批评这类糟糕行文的实质问题。
一位研究者在推文中调侃 NLP 领域被 LLM「解决」的历史，并暗示其他学科如今正面临被 LLM 取代的局面，建议借鉴 NLP 研究者的应对经验。
OpenAI 宣布推出 Rosalind 学术计划，为符合条件的学术实验室提供最多 30 个免费的 Business Standard 席位，为期 12 个月，并可使用专为生命科学打造的模型 GPT-Rosalind，以及用于科学研究的 Rosalind Workbench。
一位物理学研究生讲述了 ChatGPT 如何从对量子场论习题毫无用处，变成她牛津大学同学们的默认工具，并反思了在 AI 时代传统学习习惯与学术文化的衰落。
PyTorch 将在 PyTorch 北美大会前举办第 0 天“从学术研究到实际应用”工作坊，邀请学术研究者和早期开源开发者学习如何把研究项目转化为可持续的开源工具，并通过闪电演讲展示项目。
用户强烈推荐Pierre Marion的文章，讨论若LLM将科研中的公式计算、写代码、检索文献等环节提速10到100倍，稀缺资源将转向选题、建模与价值判断；作者批评以论文数量和h-index为核心的评价体系正在失效，主张用AI扩展探索空间，把人类时间留给判断、品味与培养下一代研究者。
专业数学家对AI能够先于人类发表新颖研究成果感到不安。NYU数学教授Tristan Buckmaster在接受CNBC采访时表示，他使用AI工具但不会在其中投入原创想法，并提到OpenAI一次生成了722篇数学论文。
Álvaro Lozano-Robledo 在陶哲轩博客上的客座文章，回应学生们对大语言模型的进展可能颠覆数学研究职业的担忧，呼吁他们继续学习数学，同时审视人工智能是否会超越人类研究者并压缩学术数学的空间。
MIT统计与数据科学中心主任Sasha Rakhlin的文章探讨了快速发展的AI如何正在重塑数学、统计学、机器学习（ML）和工程领域的学术研究与研究生培养，以及大学应如何重新思考学术署名、评价体系和学术人才的智力发展以应对这一变革。
本文观点认为，OpenAI 通过自有渠道而非传统同行评审发表 AI 生成的数学成果是合理的，数学家们的抱怨更多源于自我保全而非学术诚信方面的顾虑。
一篇博客文章指出，尽管编程语言研究者中弥漫着一种"存在主义危机"的情绪，担心人工智能会让人不再编写代码，但这个领域正进入一个前所未有的探索时代：大语言模型加速了研究进程，而编程语言领域那些优美的理论思想依然魅力不减。
NVIDIA 现面向全球开放第 26 届年度研究生奖学金计划的申请，面向从事 AI、ML、机器人、计算机图形学、医疗健康和高性能计算研究的博士生，提供最高 60,000 美元的奖励，以及导师指导和线下实习机会。
X上的一篇帖子批评学术界低估了人工智能的进步，指出OpenAI的模型解决Erdős问题作为重大进展的证据。
Tim Dettmers宣布dlab的开源周活动，该活动将发布一系列开源工具，旨在让前沿AI技术能够在个人设备上运行，并论证学术界在AI研究中迎来复兴的潜力。