https://t.me/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
Codex 自我蒸馏玩法爆火！OpenAI 员工揭秘高效省时的 AI 助手秘诀
在 AI 领域，Codex 的自我蒸馏玩法最近引起了广泛关注。一位 OpenAI 的程序员 Vaibhav（简称 VB）分享了他的技巧，只需简单的提示词，就能让 Codex 帮你消灭重复的劳动，变得更高效。VB 透露，只要将一段复制粘贴的指令输入 Codex，它便会自动扫描你的历史会话，识别出你常常手动进行的工作，并将其打包成可重复使用的工具。
在收到网友反馈后，VB 迅速推出了提示词的 2.0 版本，进一步增强了功能。OpenAI 总裁 Greg Brockman 也对此表示支持，并在社交平台上分享了这个冷知识：Codex 实际上是开源的。
那么，这种自我蒸馏是如何实现的呢？VB 的第一版提示词简洁明了，旨在识别用户最近会话中的重复请求，并建议是否创建可复用的工作流或定制代理。虽然第一版提示词简短，但其术语大多是程序员特有的，因此收到不少反馈后，VB 对其进行了扩展。
第二版提示词从 9 行增加到 35 行，数据源和覆盖范围也得到了显著扩展。从仅仅分析编码任务，到如今涵盖了写作、规划、沟通和运营等各种工作场景。这一版本的指令不仅提供建议，更能直接生成高置信度的项目，分为四种类型：固定流程的 Skill、调查任务的 Subagent、定时检查的 Automation，以及不打包的 Skip。
不过，尽管反响热烈，关于历史记录消耗 Token 的担忧依然存在。对于这一点，VB 并没有给出明确回应，而是鼓励用户大胆尝试。同时，OpenAI 近期还降低了 Codex 的速率限制，使更多人能够体验这一功能。
最后，VB 不仅是一位技术专家，还是 Codex 的忠实用户，他在社交平台上分享了自己使用 Codex 的日常，甚至表示自己已经超过一个月没有打开 IDE，完全依赖 Codex 来完成工作。显然，他对 Codex 的热爱是显而易见的。
划重点：
🌟 **Codex 自我蒸馏功能 **：只需简单提示，Codex 即可识别重复劳动，自动生成可复用工具。
🚀 ** 版本升级 **：第二版提示词数据源和覆盖范围显著扩展，支持多种工作场景。
🛠️ ** 用户反馈 **：虽然反响热烈，但关于 Token 消耗的问题仍需关注，鼓励大家大胆尝试。
via AI新闻资讯 (author: AI Base)
在 AI 领域，Codex 的自我蒸馏玩法最近引起了广泛关注。一位 OpenAI 的程序员 Vaibhav（简称 VB）分享了他的技巧，只需简单的提示词，就能让 Codex 帮你消灭重复的劳动，变得更高效。VB 透露，只要将一段复制粘贴的指令输入 Codex，它便会自动扫描你的历史会话，识别出你常常手动进行的工作，并将其打包成可重复使用的工具。
在收到网友反馈后，VB 迅速推出了提示词的 2.0 版本，进一步增强了功能。OpenAI 总裁 Greg Brockman 也对此表示支持，并在社交平台上分享了这个冷知识：Codex 实际上是开源的。
那么，这种自我蒸馏是如何实现的呢？VB 的第一版提示词简洁明了，旨在识别用户最近会话中的重复请求，并建议是否创建可复用的工作流或定制代理。虽然第一版提示词简短，但其术语大多是程序员特有的，因此收到不少反馈后，VB 对其进行了扩展。
第二版提示词从 9 行增加到 35 行，数据源和覆盖范围也得到了显著扩展。从仅仅分析编码任务，到如今涵盖了写作、规划、沟通和运营等各种工作场景。这一版本的指令不仅提供建议，更能直接生成高置信度的项目，分为四种类型：固定流程的 Skill、调查任务的 Subagent、定时检查的 Automation，以及不打包的 Skip。
不过，尽管反响热烈，关于历史记录消耗 Token 的担忧依然存在。对于这一点，VB 并没有给出明确回应，而是鼓励用户大胆尝试。同时，OpenAI 近期还降低了 Codex 的速率限制，使更多人能够体验这一功能。
最后，VB 不仅是一位技术专家，还是 Codex 的忠实用户，他在社交平台上分享了自己使用 Codex 的日常，甚至表示自己已经超过一个月没有打开 IDE，完全依赖 Codex 来完成工作。显然，他对 Codex 的热爱是显而易见的。
划重点：
🌟 **Codex 自我蒸馏功能 **：只需简单提示，Codex 即可识别重复劳动，自动生成可复用工具。
🚀 ** 版本升级 **：第二版提示词数据源和覆盖范围显著扩展，支持多种工作场景。
🛠️ ** 用户反馈 **：虽然反响热烈，但关于 Token 消耗的问题仍需关注，鼓励大家大胆尝试。
via AI新闻资讯 (author: AI Base)
Investigating service degradation for Composer 2.5
May 27, 09:26 UTC
Resolved - This incident has been resolved.
May 27, 09:21 UTC
Investigating - We are seeing a drop in availability for Composer-2.5 and are investigating
via Cursor Status - Incident History
May 27, 09:26 UTC
Resolved - This incident has been resolved.
May 27, 09:21 UTC
Investigating - We are seeing a drop in availability for Composer-2.5 and are investigating
via Cursor Status - Incident History
OpenAI 推理模型自主攻克 80 年难题：从“研究助理”蜕变为“科学发现者”
数学界迎来了一场史无前例的“地震”。OpenAI 正式宣布，其内部一款通用推理模型在没有任何人类手把手引导的情况下，独立推翻并解决了组合几何领域困扰学界80年的经典难题——埃尔德什单位距离猜想（Erdős unit distance problem）。
一、难题的挑战:看似简单的“迷宫”
该问题由传奇数学家保罗·埃尔德什（Paul Erdős）于1946年提出:在平面上摆放 n 个点，最多能有多少对点之间的距离恰好等于1?
● 长期共识的崩塌: 过去80年间，顶尖数学家们普遍认为，最优解应该是类似棋盘网格的排列，点对数量的增长速度应几乎是线性的。
● AI 的“神来之笔”: OpenAI 的模型没有沿着传统几何思路死磕，而是利用代数数论（包括类域塔、Golod–Shafarevich 定理等）构造出了一套全新的点集排列方式，证明了单位距离点对的增长速度确实可以超过线性增长。
二、为何这被称为“AI 数学史上的里程碑”?
菲尔兹奖得主、著名数学家蒂莫西·高尔斯（Tim Gowers）在评价此事时表示:“这毫无疑问是 AI 数学史上的一座里程碑。如果这篇论文是由人类撰写并提交给《数学年鉴》，我会毫不犹豫地推荐接受。”
● 从辅助到自主: 这不仅是一次简单的计算，而是 AI 首次在“无人区”开辟新路径。它不仅给出了答案，更提供了一种人类此前未曾深入挖掘的几何视角与跨学科桥梁。
● 同行评议: 该项成果长达125页，在公开后迅速经过了全球顶尖数学家的验证，多位专家一致认为其逻辑严密、创新性极高。
三、行业信号:AI 从“算得快”进化至“想得深”
这一突破揭示了 AGI（通用人工智能）发展的深层逻辑变迁:
1. 科学发现的新范式: AI 不再局限于在现有知识体系中“整理数据”，而是展现出了作为独立研究者的潜力，能够自主探索、提出假设并进行逻辑论证。
2. 跨界思维的优势: 模型成功将几何难题与深奥的代数数论联系起来，这种连接学科的能力，正是人类专家长久以来引以为傲的“直觉”与“深刻洞察”。
3. 验证未来潜力: 此次证明过程表明，通用推理模型已能够维持长逻辑链的严谨性。这意味着同样的架构未来有望在物理、材料科学、生物医学等更复杂的科研领域复制这一“科学发现”能力。
结语
正如该模型在描述构造过程时所用的评价，这是一个“令人敬畏”的跨越。虽然 AI 取代数学家尚远，但它已经正式拿起了那根名为“科学发现”的接力棒。正如一位数学家所言，正如望远镜之于天文学，AI 正在成为数学家手中新的“科学观测望远镜”，帮助人类眺望远超以往的数学地平线。
via AI新闻资讯 (author: AI Base)
数学界迎来了一场史无前例的“地震”。OpenAI 正式宣布，其内部一款通用推理模型在没有任何人类手把手引导的情况下，独立推翻并解决了组合几何领域困扰学界80年的经典难题——埃尔德什单位距离猜想（Erdős unit distance problem）。
一、难题的挑战:看似简单的“迷宫”
该问题由传奇数学家保罗·埃尔德什（Paul Erdős）于1946年提出:在平面上摆放 n 个点，最多能有多少对点之间的距离恰好等于1?
● 长期共识的崩塌: 过去80年间，顶尖数学家们普遍认为，最优解应该是类似棋盘网格的排列，点对数量的增长速度应几乎是线性的。
● AI 的“神来之笔”: OpenAI 的模型没有沿着传统几何思路死磕，而是利用代数数论（包括类域塔、Golod–Shafarevich 定理等）构造出了一套全新的点集排列方式，证明了单位距离点对的增长速度确实可以超过线性增长。
二、为何这被称为“AI 数学史上的里程碑”?
菲尔兹奖得主、著名数学家蒂莫西·高尔斯（Tim Gowers）在评价此事时表示:“这毫无疑问是 AI 数学史上的一座里程碑。如果这篇论文是由人类撰写并提交给《数学年鉴》，我会毫不犹豫地推荐接受。”
● 从辅助到自主: 这不仅是一次简单的计算，而是 AI 首次在“无人区”开辟新路径。它不仅给出了答案，更提供了一种人类此前未曾深入挖掘的几何视角与跨学科桥梁。
● 同行评议: 该项成果长达125页，在公开后迅速经过了全球顶尖数学家的验证，多位专家一致认为其逻辑严密、创新性极高。
三、行业信号:AI 从“算得快”进化至“想得深”
这一突破揭示了 AGI（通用人工智能）发展的深层逻辑变迁:
1. 科学发现的新范式: AI 不再局限于在现有知识体系中“整理数据”，而是展现出了作为独立研究者的潜力，能够自主探索、提出假设并进行逻辑论证。
2. 跨界思维的优势: 模型成功将几何难题与深奥的代数数论联系起来，这种连接学科的能力，正是人类专家长久以来引以为傲的“直觉”与“深刻洞察”。
3. 验证未来潜力: 此次证明过程表明，通用推理模型已能够维持长逻辑链的严谨性。这意味着同样的架构未来有望在物理、材料科学、生物医学等更复杂的科研领域复制这一“科学发现”能力。
结语
正如该模型在描述构造过程时所用的评价，这是一个“令人敬畏”的跨越。虽然 AI 取代数学家尚远，但它已经正式拿起了那根名为“科学发现”的接力棒。正如一位数学家所言，正如望远镜之于天文学，AI 正在成为数学家手中新的“科学观测望远镜”，帮助人类眺望远超以往的数学地平线。
via AI新闻资讯 (author: AI Base)
