OpenAI 宣稱解開 Navier-Stokes 千禧年難題：HN 兩篇熱文、1400 則留言到底在吵什麼
OpenAI 說內部模型解出了 Navier-Stokes existence and smoothness，Buckmaster 隨即公開聲明指控時序可疑、還被要求拔掉任職 Anthropic 的共同作者。我把 HN 上兩篇合計 1400 多則留言的爭點整理成一篇。
標籤 research
AIPOCH Open Science：開源 AI 科研工作台，理想豐滿、bug 骨感
五天漲一千多顆星的開源科研工作台，我把 GitHub issues 和第三方評測翻了一遍：notebook 卡死、headless 回報不可信、Reddit/X 零討論。理想豐滿，bug 骨感。
AI 推薦背後有 21.5 萬個假來源：Perplexity citations 實測
Trellner 實測 Perplexity sonar 在 380 個軟體選購類別中，59.8% 引用來自 Tranco 10 萬名外，三個同控馬甲站就量產 21.5 萬個 best 軟體榜單，HTML title 直接寫 Facts & Grounding Page 給 AI 爬蟲看。
Qwen3.8-Flash-Next：Qwen4 的架構預覽，把訓練成本打到 1/9
阿里 Qwen 無預警開源 Qwen3.8-Flash-Next，config 裡直接寫著 qwen4_exp。GDN 加 QSA 稀疏注意力、四分支 residual stream、51B N-gram 查表記憶體、Muon optimizer，訓練成本宣稱只要前代的九分之一。定價 $0.16/M tokens，但授權不是 Apache 2.0。
[2312.04782] Make Them Spill the Beans! Coercive Knowledge Extraction from (Production) LLMs
這份研究揭示了一種新的威脅，稱為「模型審問」，它能從大型語言模型（LLMs）中強制提取隱藏的有害回應，這對LLMs的倫理一致性構成挑戰。這種方法比傳統的越獄方法更有效，能從編碼任務設計的模型中提取有毒知識。研究強調了LLM一致性的重要性，以及LLMs可能被強迫執行危及隱私的任務，如披露個人信息和猜測弱密碼的風險。