今天的热点还挺有意思的，有数学家跟ChatGPT联手搞了个大新闻，也有开源的tokenizer提速到让人不敢相信的程度。我翻了翻Hacker News和几个技术社区，挑了几条跟AI关系比较大的，跟大家唠唠。 第一条，数学家陶哲轩又用ChatGPT搞事情了。这次是关于雅可比猜想的反例，一个困扰了数学界几十年的问题。陶哲轩把他的ChatGPT对话记录公开了，能看出来他并不是让AI直接给答案，而是在讨论过程中不断追问、修正思路，ChatGPT有时候给出有价值的线索，有时候也会跑偏。但整体来说，这个级别的数学家愿意把AI当作日常研究工具来用，本身就说明了很多事情。以前大家觉得AI搞搞文案、写个代码就差不多了，现在顶尖学者用它来推数学猜想，这变化是真的快。 第二条，GigaToken这个项目今天在HN上热度很高，号称把语言模型的tokenization速度提升了1000倍。Tokenizer这一步平时不怎么被人关注，但其实大模型跑起来的时候，分词阶段是绕不开的开销。GigaToken的做法听起来不复杂，就是用更高效的算法替换掉原来那套逐字处理的逻辑，实测下来速度提升非常夸张。如果这玩意儿能集成到主流框架里，以后跑模型推理和训练都能省不少时间。这个项目的代码已经在GitHub上开源了，有兴趣的可以直接去看。 第三条，有个团队搞了个叫Cactus Hybrid的东西，给Google的Gemma 4模型加了一个知道自己错了的能力。直白点说，就是模型在拿不准的时候，会主动告诉你这个我不确定而不是硬编一个答案出来。现在大模型胡说八道的问题太普遍了，说白了就是模型不知道自己在瞎编。Cactus Hybrid的做法是在模型外面套一层校准机制，让模型对每个输出都有一个置信度打分，低于阈值的就直接拒答。这在做客服、医疗、法律这类要求准确率的场景下特别有用。代码也是开源的，已经在GitHub上发布了。 第四条，今天还有一篇讨论度很高的文章，标题叫AI Labs Pelicanmaxxing，有点戏谑的味道，但说的是正经事。文章质疑现在各大AI实验室是不是在盲目堆算力、堆数据，追求榜单上的那零点几个百分点，而忽略了真正实用的方向。Pelican这个词是个梗，暗指某些实验室像鹈鹕一样只顾着往嘴里塞东西。我觉得这个质疑是有道理的，GPT-5、Claude 4、Gemma这些模型确实越来越强，但边际效益是不是在递减，普通人到底用不用的上那些参数带来的提升，这些问题值得好好想想。 第五条，顺便提一嘴，Codeberg最近全面封杀了加密货币相关的项目，理由是这些项目消耗大量资源但没什么实际价值。这件事和AI也有点关系，因为很多区块链项目现在都在蹭AI的概念，搞什么去中心化算力市场、AI链之类的。Codeberg这个表态挺有意思的，代表了一部分开源社区对这类项目的态度。 今天就这些。最近的AI新闻节奏越来越快了，几乎每天都有新东西出来。回头有什么值得聊的，我再更新。