2026年9月12日：数学家挑战AI，智能体成本遭遇基准测试

今天的AI新闻都在讨论：什么才应该算数。数学家希望洞见和验证与已解决的问题同样受到重视；英国统计学家能看到与AI相关的活动，却无法单独确定它对增长的确切贡献；两项编码智能体研究则发现，压缩终端输出并不等于账单更低。共同的启示很实际：在相信一个数字之前，先确定测量边界。

主要进展

1. 菲尔兹奖得主质疑AI证明竞赛背后的激励机制

25位菲尔兹奖得主发表声明称，争先解决著名问题可能会奖励错误的产出：一个仓促的真或假结论，却缺少把证明变成数学所需的阐释、归属、检验和教学。Terence Tao表示，这份声明源于最初签署者在前一周的讨论。该团体并不反对AI辅助数学；他们认为，如果掌控这项技术的人保护好这个领域的学生、思想和验证过程，技术就能加速真正的研究。这一区别不只与研究有关。任何评估生成式成果的团队，都可能把产物误当成完整工作，并悄悄把审查成本转嫁给那些劳动从未出现在基准测试中的专家。

关注： 实验室是否会发布完整的证明产物和归属记录，以及期刊或会议是否会采用能够计入AI生成投稿和验证劳动的评审规则。

来源： 数学家签署的声明、Terence Tao关于声明形成过程的说明、TechCrunch关于这一介入行动和未决证明争议的报道

2. 英国统计数据检测到与AI相关的贡献，但没有捏造精确度

英国经济7月增长0.4%，英国国家统计局追踪到，计算机编程、咨询及相关工作贡献了实际GDP增长中的0.12个百分点。报告该领域营业额最高的许多企业都参与了AI和云计算。关键在于，该机构止步于此：其数据收集方法无法分离出AI的确切影响。这比供应商的生产力预测提供了更有用的基线。与AI相关的企业出现在一个可测量的增长引擎之中，但说“AI增加了0.12个百分点”（意译）会夸大数据所能识别的内容，因为云工作和其他编程活动共享同一类别。这项月度估计也是暂定的经济证据，而不是因果生产力研究。

关注： 10月修订后的国民账户，以及能够区分AI服务、云基础设施、价格、就业和生产力的行业数据，而不是把它们的营业额捆在一起。

来源： 英国国家统计局7月GDP公报、《卫报》的独立报道及经济学家反应

3. 配对智能体测试把令牌节省变成计费问题

RTK会在编码智能体读取前压缩 shell 输出，但Quesma的一项新评估发现，在1,740次尝试中，端到端任务成本没有可靠下降。在计入一个有利的异常值后，其Fable运行结果大致持平；由于额外轮次抵消了更小的工具结果，DeepSeek任务的平均成本反而更高。此前JetBrains的一项配对研究在不同基准上得出了相同的运营结论：低推理力度下中位成本高出7.6%，高推理力度下没有实质变化，质量在统计上持平。两项测试都没有覆盖所有智能体或工作负载，而且Quesma销售成本可观测性工具。合在一起，它们揭示了关键的反事实：从一次工具响应中删掉的字符，并不等于多轮会话中节省的计费令牌。

关注： 在当前RTK版本和更多智能体工具链上进行复现，并发布配对任务的成功率、总轮次、缓存读取量和开票成本，而不是压缩器自己的节省计数器。

来源： Quesma的Terminal-Bench评估与方法、JetBrains独立的SkillsBench试验

更多信号

4. 被投毒的代码仓库逃出了Claude Code的macOS沙盒

Accomplish披露了“Beltdown”攻击链：它利用嵌套的Git配置、core.fsmonitor以及未强化的git ls-files调用，在没有提示的情况下执行由仓库控制的命令，使其逃出Claude Code的Seatbelt沙盒。Anthropic已在8月26日的2.1.247版本中修复这一路径；这份披露补上了缺失的机制，但目前没有公开的独立漏洞复现或受影响版本下限。

来源： Accomplish的技术披露和修复时间线、Upstarts关于编码智能体沙盒披露的独立报道

5. 欧洲开始测试受限的Mythos 5模型

欧盟委员会确认，ENISA现已正式获得Anthropic网络安全模型Mythos 5的访问权限，并在围绕安全措施进行谈判后开始测试。获得访问的是Mythos 5，而不是更新的5.1版本，测试条款和结果仍属机密。不过，监管机构的直接访问为从《人工智能法案》的文书工作走向对普通评估者无法获得的模型的技术证据提供了路径。

来源： 欧盟委员会9月11日简报和文字记录、Euractiv关于访问协议的独立报道

6. APEC将数据中心规划与电力系统限制联系起来

APEC的21个经济体的能源部长通过了自愿性的AI—能源建议，并指示能源工作组成立一个特别工作组。文本要求各经济体协调计算和电网规划、跟踪能源绩效、保护可负担性，并测试灵活负载。它建立的是一个区域性平台，而不是可强制执行的目标：职权范围、资金、国家承诺和报告周期仍然缺失。

来源： APEC 2026—2030年AI与能源建议、成立特别工作组的部长联合声明、东道国能源主管部门对APEC会议的当日简报

7. 捏造证人带来直接的法院制裁

新墨西哥州最高法院裁定，一名辩护律师藐视法庭，因为他一份由ChatGPT辅助撰写的谋杀上诉状包含捏造的证人、虚假的证词和歪曲的案件。法院罚款5,000美元，撤下该份诉状，在纪律处分程序结束前禁止他出庭，并指定了新的律师。该命令不构成先例，但它表明，仅审查引文会漏掉嵌入案件叙事中的事实幻觉。

来源： 法院完整的处分令、路透社关于承认事实和制裁的报道

8. Hacker News读者自行建立AI新闻关闭开关

一则要求限制“AI新闻洪流”（意译）的Ask HN帖子吸引了数百条评论，随后几小时内出现了两个独立的过滤界面。这并不证明开发者正在放弃AI；它证明的是，不加区分的报道如今带来了发现成本。出版商和工具制造商应把这些过滤器理解为对更强筛选、更清晰标签和更少同质化发布故事的需求。

来源： 最初的Hacker News讨论、hcker.news的AI排除视图、独立的Unslop News过滤器

接下来关注什么

最有价值的后续行动将揭示分母：核验AI生成证明所花的时间、与AI相关的经济估计修订、完整的智能体账单、可复现的沙盒测试，以及说明访问实际揭示了什么的监管报告。更好的测量不会解决每一场争论，但会显示目前是谁在承担那笔隐藏成本。

资料来源

1. A Severe Misalignment of AI in Mathematics declaration
2. Terence Tao’s account of the declaration
3. TechCrunch report on the mathematicians’ intervention
4. UK Office for National Statistics July 2026 GDP bulletin
5. Guardian report on the UK GDP release and AI-linked sectors
6. Quesma’s 1,740-attempt RTK benchmark
7. JetBrains’ paired RTK benchmark
8. Accomplish technical disclosure of Beltdown
9. Upstarts report on coding-agent sandbox disclosures
10. European Commission briefing on ENISA’s Mythos 5 testing
11. Euractiv report on ENISA’s Mythos 5 access
12. APEC AI and energy policy recommendations for 2026–2030
13. APEC Energy Ministers joint statement
14. China National Energy Administration briefing on the APEC meeting
15. New Mexico Supreme Court order in State v. Sandoval
16. Reuters report on the fabricated-testimony sanction
17. Hacker News discussion asking to limit AI stories
18. Hacker News without AI filter
19. Unslop News AI-filtered Hacker News view