AI 自动化形式化数学研究：Resolution 团队解析奇点并推动“数学工业化”
人工智能安全初创公司 Resolution（前身为 Sequent）近期发布了一项关于利用 AI 自动形式化统计学学习理论相关数学陈述的研究成果。该团队成功实现了单点解析（Singularity Analysis）的自动形式化，这被视为进一步自动化研究损失景观几何与泛化之间关系的重要基础。
在方法论上，研究人员首先与智能体协作制定了两套计划：一套是人类可解读的高层次版本，另一套是包含 112 页、严格遵循现有文献且分解为原子步骤的详细执行方案。在执行阶段，除了初始计划和从早期内部工作中提炼的智能体技能外，所需的额外脚手架极少。
此次形式化工作耗时约一周，消耗了约 1000 亿输入令牌（其中 90% 为缓存读取）和约 3 亿输出令牌，总成本约为 135,000 美元，最终生成了约 60 万行 Lean 代码。Resolution 表示，这一成果已加速了其其他方面的研究，例如通过理解采样来塑造模型的学习方式。该公司认为，前沿数学往往与其他领域的突破相互关联，而 AI 使得以前昂贵且耗时的任务成为可能，预计即将到来的“数学工业化”将使新的、严格的研究自动化科学成为现实。
ProgramBench 基准测试进展：Claude Opus 得分从零跃升至 18.5%
旨在评估 AI 系统根据编译程序及其文档重建软件能力的基准测试 ProgramBench 显示出了显著的性能提升。该基准于今年 5 月发布时，所有参与测试的模型得分均为 0%。然而，最新数据显示，Claude Opus 5.5 (xhigh) 在该基准上的得分已达到 18.5%。
ProgramBench 的任务范围涵盖构建语言解释器（如 PHP, Lua, tinycc）、数据库（如 DuckDB, SQLite）、媒体和压缩实用工具（如 FFmpeg, zstd, xz）以及开发工具（如 ripgrep, fzf, jq）。此前表现最佳的 Claude Opus 4.7 在完全通过所有测试的任务中得分为 0%，而在超过 95% 测试通过的任务中得分接近 3%。相比之下，Claude Opus 5.5 不仅达到了 18.5% 的完整解析率，其“几乎通过”（Near-pass）的比例更是高达 70.5%。
这一快速的技术迭代预示着自主软件开发时代的临近。有观点指出，到 2027 年，大量软件将由 AI 系统自主开发完成，而类似 ProgramBench 的评估指标有助于量化这一进程的速度。
未来展望：机器人技术如何重塑医疗环境的人文关怀
随着机器人技术的进步、成本降低以及医疗服务的完善，如何利用机器改善医院等机构的环境体验成为一个新兴领域。尽管机器可以承担许多设计工作，但人类的价值在于识别出对儿童最具吸引力、最能带来快乐的事物。
设想在 2030 年代的城市街头，人们可能会看到佩戴厚框眼镜、操着假纽约口音的狗形机器人，或是用后腿行走的机械生物。这些经过精心设计的机器人将被引入医院，用于缓解患者的恐惧感。例如，当儿童接受检查时，一个小孩大小的泰迪熊机器人可能会主动上前握手；康复病房中则可能充满表演技巧的兔子或演奏乐器的猫形机器人。这种应用旨在利用 AI、机器人技术和物质丰富性，创造全新的快乐形式，特别是在关注患病儿童心理健康方面发挥重要作用。
