作者推进CNPG-Extensions项目,为容器镜像提供来源证明和SBOM,以便扫描许可证与漏洞,并探索pgrx扩展的Rust依赖图。他反思Postgres扩展管理、贡献门槛与信任问题,强调AI虽能写代码,但长期维护和人类责任更重要,并认为OpenSSF评分卡值得参考。
OpenAI称其内部AI系统给出了Navier-Stokes方程的反例,并附有Lean形式化证明,但克雷研究所仍将该问题标为未解决。文章指出,AI进入前沿数学后,关键不再是生成候选证明,而是建立公开、可信、可复核的验证链;形式化通过不等于原问题获证,仍需同行独立检查。
数学家借助AI证明流体方程有限时间爆破,但争议焦点转向数据边界:研究过程存入AI平台后,平台是否可能利用未公开数据?OpenAI被指接触相关进展,双方各执一词。文章强调,当AI参与高价值工作,用户需区分工具与平台竞争风险,数据训练、访问、审计边界须事先明确并可验证。
Anthropic宣布Claude用11天完成费马大定理的端到端形式化证明,生成约1300万行Lean代码和超3万个中间定理,规模超Mathlib五倍。通过Prove2Me平台协调多Agent协作,消耗60亿Token,人类指导有限。这标志AI可大规模自动化数学形式化,同时OpenAI正推广GPT-6 Astra。
GPT-6 Astra将素数间隙上界从240推进至186,并附Lean 4形式化证明,但依赖三个未验证公理,包括数值积分上界。此前人类十二年未突破246,AI两天内两次推进。结果条件性成立,若公理有误则结论失效,未来突破需重写筛法框架。
苹果正在收紧App Store第三方登录机制,改用硬件级凭证生成,依赖芯片安全隔离区与P-384密钥签名。开源工具Asspp等因使用私有端点,登录请求返回HTTP 403,即使账号不存在也失败,表明限制发生在凭证校验前。新机制难以绕过,可能终结依赖私有接口的Apple ID和IPA下载工具。
美国视频鉴真专利趋势显示,主题从“检测假视频”转向“证明真视频”。Bank of America、Arranged BV等公司通过哈希上链、旋转水印、受控光照等技术实现可复核认证,弥补C2PA对无元数据视频的缺口。落地机会包括视频公证订阅和防篡改报告代做,个人开发者可用低成本技术栈快速实现MVP。
陶哲轩宣布,借助AI工具Lech Mazur的证明,Sendov猜想及Phelps–Rodriguez猜想已完全解决。证明过程简洁,仅用代数基本定理和Maclaurin不等式,并已用Lean形式化验证。文章详细介绍了证明中的关键不等式和恒等式,并讨论了Borcea、Schmeisser和Smale等未解的相关猜想。
中心极限定理表明,无论原始数据分布形态如何,只要样本量足够大,其平均值的分布会趋近于正态分布。文章通过三个可视化示例(掷骰子平均值、双峰分布的用户观看时长、右偏的收入数据)验证了该定理的普遍性,均呈现钟形曲线。
本文探讨了如何通过交互式证明系统有效验证数据分析的正确性。Alice收集了未知分布的样本,Bob声称进行了复杂分析并提出属性。研究构建了一个针对一般分布属性的交互式证明系统,能够在有限资源下验证Bob的主张,且样本复杂度和运行时间受限于分布支持大小和电路深度,证明生成速度极快,适用于大规模输入的近似验证。
本文研究了双次亚线性交互证明的接近性(dsIPPs),这种证明生成速度极快,仅需读取输入的一小部分,适用于证明关于大输入的近似断言,且验证过程更快。我们构建了适用于常数宽度一次性无记忆分支程序(ROOBP)的证明系统,以及用于近似验证输入汉明重量和有界度图模型中二分性的放宽的证明系统。
2026年,OpenAI的GPT-5.6 Sol Ultra模型在不到一小时内证明了“循环双覆盖猜想”,这一突破引发了对AI在数学领域创造性及人类智力价值的讨论。尽管AI的证明需专家验证,但此事件促使人们重新思考数学的意义及人类在智能时代的角色。
Bend2编程语言试图成为数学证明工具,但发现了严重漏洞。AI助手Fable发现了设计者未察觉的后门,证明了该语言的不安全性。虽然Fable在识别问题上表现出色,但在解决方案上仍需依赖设计者的专业知识。最终,设计者提出将类型系统分为两种的方法,以确保安全性。这一事件突显了AI在发现问题方面的优势,但在解决复杂问题时仍需人类智慧。
零信任架构要求持续验证设备的安全状态,依赖TPM和操作系统信号。TPM提供硬件信任根,PCR作为系统的加密指纹,确保启动过程的可信性。osquery用于实时采集操作系统的安全状态。信任分数模型评估设备合规性,Google的BeyondCorp采用等级模型明确访问权限,设备姿态信号需多层次验证以防伪造。
本文介绍了企业申请中国税收居民身份证明的流程。自2026年起,各地税务局可在线办理,申请过程相对简单。以深圳为例,企业需访问电子税务局,填写申请表并上传营业执照和Google AdSense协议等相关材料。提交后可在网站查看进度并下载证明。
文章讨论了工作量证明与网络安全中漏洞检测的不同。作者指出,尽管工作量证明依赖资源投入,但在发现代码漏洞时,模型的智能水平才是关键。较弱的模型可能错误识别漏洞,而强模型则更少出现幻觉,难以发现问题。因此,未来的网络安全将依赖更优秀的模型和更快的访问,而非单纯的计算能力。
零知识证明(ZKP)允许证明者在不泄露信息的情况下向验证者证明命题的真实性。自1985年提出以来,ZKP在区块链扩容和隐私保护中发挥了重要作用。目前主流的ZKP系统包括zk-SNARKs、zk-STARKs和Bulletproofs,各具不同的构造原理和应用场景。ZKP技术的快速发展使得选择合适的证明系统变得复杂,工程团队需在多个维度上进行权衡。
LongCat-Flash-Prover 是一款开源数学定理证明模型,能够将自然语言问题转化为形式化描述,并通过自动形式化、草稿生成和证明生成三大功能进行严谨证明。该模型在多个基准测试中表现优异,刷新了开源模型记录,展现了 AI 在数学研究中的潜力。
现代密码学与古典密码学的主要区别在于安全性定义的可证伪性。自1949年Shannon提出信息论安全框架后,密码学家转向基于计算复杂性理论的计算上不可破的安全性,安全性相对攻击者的计算能力。本文探讨了从图灵机到复杂性类的理论链条,以及安全归约在密码系统中的重要性。
零知识证明(ZKP)是一种在不泄露秘密的情况下,证明者能让验证者相信某个断言为真的方法。由Goldwasser等于1985年提出,ZKP通过交互式对话实现,确保验证者仅获得“断言为真”的信息。文章探讨了ZKP的直觉理解、形式化定义及其在身份认证、匿名凭证和区块链隐私保护等方面的应用。理解ZKP的核心特性(完备性、可靠性和零知识性)对学习现代密码学至关重要。
完成下面两步后,将自动完成登录并继续当前操作。