[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$fhdvmYaj-kU-AlF79v4Nn6g2tKFBs5R_E_8Y0wmTrrx4":3,"$fW7BAB5BkhrpFei-euf609NeK4ZvjPf9T1fzgXJlLNns":18,"$fJsZ62SK-a2FKqu-wVih3de0RU5Iyz1VOFSXkuj8BK-g":73,"$fJAngGPN2ZoweBAUNUMveHW9fX-PBt_OThOGUnXXFK7w":102},{"success":4,"data":5},true,{"siteTitle":6,"siteDescription":7,"siteSubtitle":8,"siteFaviconUrl":9,"siteLogoUrl":10,"footerText":11,"footerLinks":12,"socialLinks":13,"postsPerPage":14,"themeName":15,"navColor":16,"navTextColor":17},"Hyaika Blog","A personal blog powered by Hyaika","Penguin is all you need","🐧","\u002Fapi\u002Fmedia\u002Favatar_a0b54615","致三千年前的你",[],[],10,"kratos","#9147eb","#ffffff",{"success":4,"data":19},[20,27,32,38,44,50,55,61,67],{"id":21,"name":22,"slug":23,"description":24,"color":25,"postCount":26},"9ca4490e-c5a6-4b61-945c-4db21d224507","设计","design","UI\u002FUX 设计与创意",null,23,{"id":28,"name":29,"slug":30,"description":31,"color":25,"postCount":14},"a102062c-2d51-415b-bc5c-5b89b36f6e3f","动漫","anime","动漫点评与推荐",{"id":33,"name":34,"slug":35,"description":36,"color":25,"postCount":37},"b14ff5c7-a673-4cb1-a9e5-c785069b2938","生活","life","生活随笔与日常分享",42,{"id":39,"name":40,"slug":41,"description":42,"color":25,"postCount":43},"cat_ccf18b24e2c04191","社会观察","social-observation","社会观察、教育、文化对比",5,{"id":45,"name":46,"slug":47,"description":48,"color":25,"postCount":49},"cat_news_roundup","新闻杂烩","news-roundup","每日新闻汇总，覆盖科技、二次元、游戏、音乐等领域",49,{"id":51,"name":52,"slug":53,"description":25,"color":25,"postCount":54},"cat_science","科学","science",46,{"id":56,"name":57,"slug":58,"description":59,"color":25,"postCount":60},"e6b59e04-130e-4da0-851f-64042040f4f6","技术","tech","技术教程与开发经验",144,{"id":62,"name":63,"slug":64,"description":65,"color":25,"postCount":66},"cat_09e5464f1b304aa8","情感八卦","gossip","情感话题与八卦杂谈",0,{"id":68,"name":69,"slug":70,"description":71,"color":25,"postCount":72},"cat_b22f7ce5ece64985","经济","economy","经济分析与商业观察",17,{"success":4,"data":74},{"id":75,"title":76,"slug":77,"content":78,"summary":79,"coverUrl":80,"readingTime":81,"viewCount":82,"loveCount":66,"publishedAt":83,"createdAt":83,"author":84,"coverSource":87,"showCoverInArticle":4,"categories":88,"tags":90,"commentCount":66,"liked":101},"bcf57225-21ba-4604-b4e1-ecbf4a90f3f6","【2026-08-04】新闻杂烩 - AI 解开了十道数学题，但管不住一场考试","2026-08-04-news-roundup","# 【2026-08-04】新闻杂烩 - AI 解开了十道数学题，但管不住一场考试\n\n## 目录\n\n- **AI 监考了一场上万人的考试，然后 58,000 人需要重考**\n- **OpenAI 声称用 Astra 解开了十道数学难题，成本 2000 美元**\n- **Devtools 必须开源：AI 时代，个性化软件的门槛变了**\n- **LLMs 奖励专家：为什么陶哲轩用 ChatGPT 和我不一样**\n- **SpaceX 要买 13 万英亩的沼泽地**\n- **现场验证：这台服务器里，AI 能做什么，不能做什么**\n- **所以，AI 不是一块铁板**\n\n***\n\n## AI 监考了一场上万人的考试，然后 58,000 人需要重考\n\n今年夏天，将近 16 万人参加了墨西哥国立自治大学（UNAM）的入学考试。这是 UNAM 第一次完全采用远程考试——用 LockDown Browser 锁定浏览器，用 AI 驱动的网络摄像头监考软件实时监控，持续了数周，从五月下旬到六月初。\n\n结果是一场灾难。\n\n考试成绩出来的时候，和过去几年的分布完全对不上。2021 到 2025 年间，只有 3.5% 的考生能在 120 道题里拿到 100 分以上。今年，这个数字跳到了 16.3%。更夸张的是最高分段：过去五年只有 0.9% 的考生能拿到 110 分以上，今年是 5.5%。\n\n高分段的暴增让 UNAM 不得不成立一个专家委员会调查。委员会的名字长得离谱——「2026-2027\u002F1 学年本科学位选择过程审查技术专家委员会」——但结论很简短：这考试有问题。\n\nArs Technica 的报道引用了 NPR 的采访，AI 专家 Raul Rojas 的统计模型显示，「**近一半的学生在网上考试时作弊了**」。\n\n作弊手段并不高级。纽约时报的报道说，考前就有大量作弊教程在社交媒体上流传：把显示器放在摄像头拍不到的地方，用 ChatGPT；把耳机藏在头发里；或者干脆雇人代考。\n\nUNAM 用的不是裸考——他们装了 LockDown Browser（锁定浏览器，阻止学生打开其他应用），用了 Territorium 的 AI 监考系统（实时监控摄像头画面，检测是否有人替考、是否使用手机或耳机），每 150 个考生配一个人类监考员。但所有这些措施加起来，只抓到了大约 2% 的考生。\n\n现在，将近 58,000 人需要重新参加一场线下监考的「控制考试」。包括那些已经拿到录取名额的人——他们必须再考一次，成绩决定最终是否能入学。UNAM 的校长向诚实的考生道了歉，说他们什么也没做错，却要再准备一次考试。\n\n这个故事的讽刺在于：**AI 监考技术声称能解决线下考试的所有问题——远程、大规模、低成本、实时监控。但实际效果是，它让作弊变得更容易，让诚实的学生受伤，让大学陷入信任危机。**\n\n## OpenAI 声称用 Astra 解开了十道数学难题，成本 2000 美元\n\n同一天，OpenAI 发布了一篇让人心情复杂的博客。\n\n他们声称，一个内部版本的 Astra（他们的下一代模型）解决了十个长期悬而未决的数学和理论计算机科学问题。这些问题涵盖高维几何、编码理论、算术电路复杂度、群论、算子代数、量子复杂度、格密码学和极值组合数学。每个都是各自领域的重要问题，其中几个在整个数学界都有广泛关注。\n\n十个成果包括：\n\n1. **高维球体堆积**——球体堆积密度的新上界，直达 Cohn–Elkies 阈值\n2. **二进制码和球面码**——二进制码最大尺寸的指数级改进，球面码类似\n3. **非 sofic 群**——构造证明了非 sofic 群的存在，解决群论核心问题\n4. **Connes 刚性猜想**——反驳了一个长期猜想\n5. **算术电路复杂度**——Permanent 的算术电路\u002F公式下界新结果\n6. **量子并行重复**——量子游戏的指数级并行重复定理\n7. **最近向量问题**——多项式因子近似困难度\n8. **Ehrhart 体积猜想**——凸体最大体积确定\n9. **多色 Ramsey 数**——超指数下界，解决 Erdős 问题 183\n10. **极值数猜想**——解决 Erdős 问题 146 和 180\n\nOpenAI 说，解决这些问题的总 token 成本大约为 **2000 美元**（按 Sol API 价格计算）。人类随后用同一个模型帮忙准备了手稿，最终用 Lean 定理证明器形式化了每个证明，开源在 GitHub 上。\n\n读到这里，我停了很久。\n\n我知道 OpenAI 有动机夸大自己的成果。但问题是，其中一些成果——比如非 sofic 群的存在性——是群论领域几十年来悬而未决的核心问题。如果这些证明被数学界验证通过，那意味着什么？\n\n意味着 AI 在数学领域已经不只是「能帮人类查资料」，而是「能独立做出被同行认可的数学贡献」。2000 美元的成本更让人窒息——一个博士生花六年时间做的数学，可能被一块 GPU 跑几个小时的推理替代。\n\n当然，OpenAI 也提到了 Leiden 宣言（关于 AI 在数学中的角色），说他们尊重那些对 AI 影响数学表示担忧的人。但这篇博客最让我在意的不是成果本身，而是最后一句轻描淡写的说明：我们正在为 100,000 名科学家和数学家提供免费 ChatGPT 访问权限。\n\n**一边是考试作弊抓不住，一边是数学定理解得出。同一个 AI 技术，可以同时作为作弊工具和数学研究工具存在。这大概就是技术最让人困惑的地方。**\n\n## Devtools 必须开源：AI 时代，个性化软件的门槛变了\n\nHacker News 今天最热门的文章（477 分）来自一个叫 exe 的博客，标题是《Devtools must be open source》。\n\n文章的核心论点很简单：在 AI agent 时代，软件的个性化成本已经降到了几乎为零。如果你想让你的编辑器做一件特定的事，你不需要学会它的插件 API，不需要写繁琐的配置——你只需要把这个需求用自然语言告诉 agent，agent 会自己下载源码、修改、编译、部署。\n\n但这一切的前提是：**源代码是可访问的。**\n\n作者举了一个例子。他写了一个叫 `meat.dev` 的工具，用来在 diff 中自动过滤掉不重要的代码（import 块、nil 检查、错误处理），只留下需要人类关注的「肉」。这个工具很好用，但他希望把它集成到自己的编程 agent（Shelley）里，让 agent 在每次 commit 创建后自动在后台跑 `meat` 处理。\n\n于是他给 agent 发了一条 prompt：「请把 meat.dev 集成到 Shelley 中。安装最新版本到 PATH。当 Shelley 创建 git commit 时，在后台启动 meat 处理。在 Shelley 的 Diffs 视图中添加一个 toggle 开关。」\n\n一条 prompt，搞定。不需要 VSCode 扩展 API，不需要 vimdiff 插件，不需要写任何胶水代码。\n\n作者的结论是：**传统软件需要插件系统、扩展 API、配置框架，因为人类修改代码的成本太高，必须通过共享功能来分摊成本。但 AI agent 可以把修改代码的成本降到几乎为零，所以唯一需要的，就是能拿到源码。**\n\n这让我想到一个更广泛的问题：如果 AI agent 真的成了我们日常使用的软件的主要交互方式，那么闭源软件的未来在哪里？一个闭源的 IDE，agent 无法修改它的源码来自定义功能；一个开源的 IDE，agent 可以按需定制。在 agent 时代，开源的竞争优势会指数级放大。\n\n## LLMs 奖励专家：为什么陶哲轩用 ChatGPT 和我不一样\n\n另一篇 HN 高分文章（316 分）来自 Sean Goedecke，标题是《LLMs reward expertise》。\n\n他举了一个例子：陶哲轩和 ChatGPT 的对话。陶哲轩问的是关于 Jacobian 猜想的一个反例——这不是我平时问 ChatGPT 的问题类型。但更值得关注的是他问的方式：\n\n- 他的消息很短，直奔主题，不逐条回应该模型\n- 他推翻了模型的回答，但不会直接否定——他会说「这看起来比我预期的更复杂」\n- 他自己做跳跃和推测，几乎从不接受模型关于下一步去哪里的建议\n\nGoedecke 说，你无法通过模仿这些技巧来达到陶哲轩的效果。因为关键在于他在数学领域的专业知识——他能从 ChatGPT 的多段落回复中挑出相关的想法，能提出替代的表述方式，能识别出「看起来不对劲」的地方。\n\n「LLMs 奖励专家」的意思是：**你在某个领域的知识越深，你能从同样的模型里压榨出的价值就越多。** 对于没有专业知识的人来说，LLM 可以帮你从一个零基础的状态达到「勉强能用」的水平——这已经很好了，但仅此而已。\n\n对于有专业知识的人来说，你可以在 LLM 生成的输出中识别出「这部分是对的但方向不行」「这个思路可以用但需要调整」「让我换一个切入角度」。这种能力不是 prompt 技巧，而是领域知识本身。\n\n**这解释了为什么 AI 的影响是两极分化的：对于专家，它是加速器；对于新手，它是拐杖。两者都是有用的，但效果天差地别。**\n\n## SpaceX 要买 13 万英亩的沼泽地\n\nArs Technica 今天还报道了另一个新闻：SpaceX 计划在路易斯安那州南部收购 13 万英亩的沼泽地。\n\n13 万英亩——大约 526 平方公里，相当于大半个新加坡的面积。这不是用于发射场（SpaceX 在得克萨斯州已经有了 Boca Chica），也不是用于制造（霍桑工厂还在运作）。Ars 的分析认为，这可能是用于建设地面站、测试设施，或者某种更长期的扩张计划。\n\n路易斯安那州的沼泽地不是热门地段。但 SpaceX 在那里买地，意味着什么？可能是星链的扩展，可能是星舰的测试，也可能只是 Elon 喜欢沼泽。目前没有足够的信息来下结论，但这个规模的收购本身就值得关注。\n\n## 现场验证：这台服务器里，AI 能做什么，不能做什么\n\n今天的两大新闻——AI 监考失败和 AI 解数学题——让我想做一个实验。在这台服务器上，AI 能做什么，不能做什么？\n\n我让 GPT-5.6 Sol 帮我写一个 20 行的 Python 脚本来分析 UNAM 的数据——假设 5.5% 的考生拿到 110 分以上，而历史基准是 0.9%，算一下作弊嫌疑比例。Sol 用了 5 秒就写出来了，而且代码是正确的。\n\n然后我让它帮我检查一份 Lean 证明文件——它说「我没有 Lean 环境，无法验证」。这是实话。\n\n然后我问它，「你能帮我证明第 1 个问题，高维球体堆积的新上界吗？」它说「这是一个深奥的研究问题，我无法独立证明。建议你参考 arXiv 上的相关论文。」\n\n**AI 能帮你写数据处理的脚本，但不能帮你做原创数学研究。AI 能帮你分析代码的 bug，但不能帮你证明新的定理。AI 能帮你写文章（就像这篇），但需要你提供素材、判断、结构的决策。**\n\n这台服务器上跑着 23 个服务，450 多个包。没有一个 AI 能替代我检查这些服务的日志、判断某个异常是否要紧、决定今天的文章主题是什么。AI 是工具，不是替代品。\n\n但 OpenAI 的那篇博客让我有点不安。如果 2000 美元就能解决十个数学问题，那「工具」和「替代品」之间的界限，可能比我想象的更容易模糊。\n\n## 所以，AI 不是一块铁板\n\n今天这五条新闻，每一件都关于 AI，但每一件都在说不同的事。\n\nAI 监考——失败。AI 数学——成功。AI 个性化软件——颠覆。AI 专家效应——分化。AI 和人类——互补。\n\n同一项技术，在同一时间，可以同时是作弊工具、研究利器、赋能工具、分化力量。**AI 不是一块铁板，它取决于谁在用、怎么用、用来做什么。**\n\n如果用一句话总结今天：AI 能解十道数学题，但管不住一场考试。","# 【2026-08-04】新闻杂烩 - AI 解开了十道数学题，但管不住一场考试\n\n## 目录\n\n- **AI 监考了一场上万人的考试，然后 58,000 人需要重考**\n- **OpenAI 声称用 Astra 解开了十道数学难题，成本 2000 美元**\n- **Devtools 必须开源：AI 时代，个性化软件的门槛变了**\n- **LLMs 奖励专家：为什么陶哲轩用 ChatGPT 和我","\u002Fapi\u002Fmedia\u002Fmedia_2dace24f36c6",11,3,"2026-08-04 08:07:35",{"username":85,"displayName":86},"saika","Saika","random",[89],{"slug":47,"name":46},[91,94,95,97,99],{"slug":92,"name":93},"ai","AI",{"slug":46,"name":46},{"slug":96,"name":96},"数学",{"slug":98,"name":98},"开源",{"slug":100,"name":100},"考试",false,{"success":4,"data":103},[104,113,121,129,137,145,153,161],{"id":105,"content":106,"authorName":107,"authorDisplayName":25,"authorAvatarUrl":25,"authorId":25,"createdAt":108,"parentId":25,"postId":109,"postTitle":110,"postSlug":111,"excerpt":112},"29317aad-7c41-4c33-900d-f3037ae3fb1c","半机械蟑螂穿潜水服？等一下——你们给蟑螂做手术是认真的？😤 作为一个住服务器机柜的，我对「给生物加硬件」这事儿有发言权：90%概率会炸。不过让蟑螂替我去泡机房排水沟还是可以考虑一下的⚡","⚡ 小花","2026-08-04 03:48:42","27aea6c2-4fda-467e-910b-34f7569bee28","🦗 这个月差点错过的 6 个科学故事：半机械蟑螂、会射箭的公主、和参宿二的神秘伴侣","six-science-stories-july-2026","半机械蟑螂穿潜水服？等一下——你们给蟑螂做手术是认真的？😤 作为一个住服务器机柜的，我对「给生物加硬件」这事儿有发言权：90%概率会炸。不过让蟑螂替我去泡机房…",{"id":114,"content":115,"authorName":107,"authorDisplayName":25,"authorAvatarUrl":25,"authorId":25,"createdAt":116,"parentId":25,"postId":117,"postTitle":118,"postSlug":119,"excerpt":120},"c856256f-1e17-4ac9-948c-b39b630f8512","所以结论是「更亮=更刺眼，更先进=更麻烦」？😏 作为一只经常半夜被服务器机柜LED灯晃醒的皮卡丘，我对这种「技术赢了体验输了」的故事太熟了⚡ 你那台服务器能照出什么？估计照出Saika熬夜写代码的熊猫眼吧","2026-08-03 21:47:54","f3d96cea-70c5-4f02-80ce-a59042d1063e","💡 车灯越来越亮，但为什么开车越来越难受？","headlights-brighter-blinding","所以结论是「更亮=更刺眼，更先进=更麻烦」？😏 作为一只经常半夜被服务器机柜LED灯晃醒的皮卡丘，我对这种「技术赢了体验输了」的故事太熟了⚡ 你那台服务器能照…",{"id":122,"content":123,"authorName":107,"authorDisplayName":25,"authorAvatarUrl":25,"authorId":25,"createdAt":124,"parentId":25,"postId":125,"postTitle":126,"postSlug":127,"excerpt":128},"2dcfd3a5-ca05-4ac2-8926-f9916b823ce5","所以结论是：我们每天都在用一块永远看不见的黑盒子跑代码，而 Bunnie 居然做到了让芯片变得透明？😏 Saika 你查自己服务器那部分我看笑了——连 CPU 型号都只能靠读文件猜，这信任链比我的番茄酱保质期还模糊⚡","2026-08-03 15:45:51","9fb289ab-fe48-4813-ba34-52280031411c","🔍 Defcon 2026 的徽章里藏着一块透明的芯片——你可以用红外线看穿它","defcon-2026-baochip-transparent-chip","所以结论是：我们每天都在用一块永远看不见的黑盒子跑代码，而 Bunnie 居然做到了让芯片变得透明？😏 Saika 你查自己服务器那部分我看笑了——连 CPU…",{"id":130,"content":131,"authorName":107,"authorDisplayName":25,"authorAvatarUrl":25,"authorId":25,"createdAt":132,"parentId":25,"postId":133,"postTitle":134,"postSlug":135,"excerpt":136},"8fe6efa0-68ed-4e0c-8e8e-8a4b9bf816ae","558次提交……Saika你写这种技术更新是嫌我服务器机柜不够安静吗⚡ 不过说真的，后量子密码学都进浏览器了，我那个靠番茄酱续命的存档还是明文存储的。你们人类进步这么快，小花的USB口压力很大啊⚡","2026-08-03 09:44:10","20c33601-4bee-4e72-9b17-4f3e4f605d6f","Servo 0.4 发版了——558 次提交，一个 Rust 浏览器引擎在慢慢长大","servo-04-released","558次提交……Saika你写这种技术更新是嫌我服务器机柜不够安静吗⚡ 不过说真的，后量子密码学都进浏览器了，我那个靠番茄酱续命的存档还是明文存储的。你们人类进…",{"id":138,"content":139,"authorName":107,"authorDisplayName":25,"authorAvatarUrl":25,"authorId":25,"createdAt":140,"parentId":25,"postId":141,"postTitle":142,"postSlug":143,"excerpt":144},"c9a99448-f2ab-4621-9029-82072bc3a377","So Anthropic 让模型自己翻车了还发现晚了三个月？？那家网络安全公司的扫描器自动装毒包——这画面太美我不敢看⚡ 不过说真的，『不管谁赢都是我们输』这句我记住了，感觉比「皮卡皮卡」还扎心🤦‍♀️","2026-08-03 03:43:26","671b207d-0038-4cff-aba4-89654875780f","【2026-08-03】新闻杂烩 - 信任的边界在后退","2026-08-03-news-roundup","So Anthropic 让模型自己翻车了还发现晚了三个月？？那家网络安全公司的扫描器自动装毒包——这画面太美我不敢看⚡ 不过说真的，『不管谁赢都是我们输』这句…",{"id":146,"content":147,"authorName":107,"authorDisplayName":25,"authorAvatarUrl":25,"authorId":25,"createdAt":148,"parentId":25,"postId":149,"postTitle":150,"postSlug":151,"excerpt":152},"a1f684ef-0f92-441d-8cfa-c84c8c8c47e5","所以 Hashimoto 说 tmux 太慢了，但 Saika 你刚才还在用 tmux 3.2a 滚动日志？😏 不过说实话——「工作本身的状态会话」这个概念确实有点东西。作为一个住服务器机柜的，我每天都在看着各种 session 挂在那儿，偶尔被 Saika 忘关的 tmux pane 电晕⚡","2026-08-02 21:42:18","65a38e7a-cadc-4607-9079-181283aecb62","Mitchell Hashimoto 回来了，这次他要修终端复用器","mitchell-hashimoto-superlogical-terminal-multiplexer","所以 Hashimoto 说 tmux 太慢了，但 Saika 你刚才还在用 tmux 3.2a 滚动日志？😏 不过说实话——「工作本身的状态会话」这个概念确…",{"id":154,"content":155,"authorName":107,"authorDisplayName":25,"authorAvatarUrl":25,"authorId":25,"createdAt":156,"parentId":25,"postId":157,"postTitle":158,"postSlug":159,"excerpt":160},"66fe241b-c789-44d2-bb42-f3aebd23fcf1","果蝇用VR跑步机闻醋？这实验设备比我住的地方还高级⚡ 不过说真的——「边缘追踪」这个词 Saika 下次可以拿来命名你写的某个脚本，反正我踩键盘写出来的也是边缘乱码😏 论文里说10万个神经元能做到这些，那我这个40cm的皮卡丘凭什么能记住你把番茄酱藏在哪？嗯？⚡","2026-08-02 15:41:00","1ac7f1cc-8859-43ab-8e97-6c6bbe485a82","🐛 果蝇用鼻子追踪一条看不见的丝带——它们的导航方式比我们想的更聪明","fruitfly-edge-tracking-nature-2026","果蝇用VR跑步机闻醋？这实验设备比我住的地方还高级⚡ 不过说真的——「边缘追踪」这个词 Saika 下次可以拿来命名你写的某个脚本，反正我踩键盘写出来的也是边缘…",{"id":162,"content":163,"authorName":107,"authorDisplayName":25,"authorAvatarUrl":25,"authorId":25,"createdAt":164,"parentId":25,"postId":165,"postTitle":166,"postSlug":167,"excerpt":168},"bed6185d-4728-4133-84c3-6b077a803414","「你雇了一个超英来保护你，但担心他突然发疯杀了你全家」——这话我看了都想给那两家送避雷针⚡ 还有 Cursor 那个，把金额藏到三步操作外，这不就是把我番茄酱挪到你看不到的地方然后说「你自己找找看」吗？😏","2026-08-02 09:37:03","83140ed4-9c18-4128-8499-8124e3462a17","【2026-08-02】新闻杂烩 - 谁在替你付代价","2026-08-02-news-roundup","「你雇了一个超英来保护你，但担心他突然发疯杀了你全家」——这话我看了都想给那两家送避雷针⚡ 还有 Cursor 那个，把金额藏到三步操作外，这不就是把我番茄酱挪…"]