AI Daily Digest: Claude 十一天形式化费马大定理 - 2026/09/07
本周 AI 领域最重要的三条线索：Anthropic 用 Claude 在 11 天内完成费马大定理的首个完整机器检查形式化证明；Nvidia 正式确认以 129.3 亿美元收购 Hugging Face；GPT-6 Astra 引发的基准之争延续到第三方指数层面。学术侧，多步工具调用数据合成、"文档即仓库"的 AI 原生软件范式、LLM 解释可靠性审计等方向出现了值得关注的新工作。
Claude 十 一天形式化费马大定理：1300 万行 Lean 代码
Anthropic 于 9 月 4 日发布费马大定理的首个完整计算机器检查形式化证明——数学界原本预期这项工作需要数年协调人力。数十个 Claude Agent 协作 11 天，写出约 1300 万行 Lean 证明代码，超过 Mathlib 社区数学库体量的五倍；沿途证明 30300 个中间定理（最终论证采用 29500 个），消耗约 60 亿输出 token，使用与 Claude Fable 5.1 大致相当的内部研究模型。
真正的技术突破在多智能体平台：初始尝试用标准 Claude Code 多智能体框架，Agent 早期有进展但很快丢失全局项目状态、停止有效协作。新平台解决了"Agent 间如何共享数学状态"这一长程复杂项目的核心难题。
有趣的后续来自数学社区：持有五年形式化该定理专项资助的 Imperial College 数学家 Kevin Buzzard 专门排查了利用 Lean 近期可靠性漏洞"作弊"的可能，未发现问题；但他同时指出 Mathlib 目前不接受 AI 生成代码，3000 个开放 PR 的评审队列也无力承接——AI 形式化数学的产能与人类评审体系之间出现了结构性错配。
来源：The Next Web（2026-09）
Nvidia 正式确认 129.3 亿美元收购 Hugging Face
8 月末被曝的交易（此前已有报道）于 9 月 3 日正式签约：Nvidia 以约 129.3 亿美元收购开源 AI 平台 Hugging Face，约为 HF 2023 年 45 亿美元估值的 2.9 倍，也是 Nvidia 历史上最大的一笔收购。黄仁勋承诺 HF 仍是"整个 AI 生态的开放平台"——开发者可自选模型、框架、云与推理服务商，"构建或部署不需要 Nvidia 算力"；HF 团队并入 Nvidia 但保留品牌独立运营。
平台规模：1800 万以上开发者、300 万以上托管模型、50 万以上数据集。算力巨头直接持有开源模型分发的核心入口，开放中立承诺能否长期兑现，是整个开源生态后续观察的焦点。
来源：DW（2026-09-03）
Meta 发布 Muse Spark 1.3：会提问、先确认再行动
9 月 2 日晚发布，定价维持 4.25 每百万 token 不变，另设 0.20 的 Contributor 折扣档（Meta 以你的流量做训练交换）。行为设计上的新意：主动提澄清问题、卡住时求助、执行有后果动作前先确认——"谨慎 Agent"正在成为产品级差异化特性。
但 token 数据出现口径分歧：Meta 自称工具调用减少约 20%、token 消耗减少约 25%；Artificial Analysis 实测单任务输入 token 反而多约 57%（指数 61 at xhigh、$0.55/任务）。厂商口径与第三方实测再度背离，选型还是应以自身负载实测为准。
来源：Digital Applied 9 月追踪（2026-09-02）
Perplexity Hybrid Compute：云起本地收尾
9 月 1 日随 PPLX Qwen 3.8 27B 本地模型推出：计算机使用任务从云端启动，敏感步骤与私有文件访问转由 Apple 芯片本地执行（macOS 15+、24GB 内存起步、推荐 32GB），本地环节由设备端 PII 分类器把关、不消耗云额度，包含在 Pro/Max/Enterprise 订阅中。数据主权法规压力下，"云端 Agent + 本地飞地"的混合架构开始产品化。
来源：Digital Applied 9 月追踪（2026-09-01）
学术前沿：工具调用、文档再生与解释审计
KOPA-Bench 与 EDGE：执行验证过的多步工具调用数据合成
韩国开放公共 API 基准（145 个真实任务）显示开源模型在多步工具调用上持续落后。EDGE 以实时执行为依据构建工具依赖图、只保留实际调用成功的边，遍历验证过的边合成可执行多步轨迹；GRPO 微调后 9B 模型几乎追平同族未调优的 27B 模型。
来源：arXiv:2609.05395（2026-09）
SMART：仓库里几乎没有代码的 AI 原生工具库
ML 性能建模库 SMART 的主分支是一个自然语言设计文档组成的 DAG：每次版本更新由编码子代理仅凭文档重新生成实现，人类的修改就是编辑文档。再生实现把手审参考模型复现到舍入精度——当再生比偿还技术债更便宜，"设计文档而非代码作为持久工件"成为可行范式。
来源：arXiv:2609.05346（2026-09）
LLM 解释与行为的相关性仅 0.35-0.58
Agent 工作流中运营者依据 LLM 自述的"影响因素"监控系统，但黑盒干预测试显示：八个 Claude/GPT/Gemini 模型被引用因素的排名与实测必要性/充分性得分的相关系数仅 0.349-0.580。LLM 自述解释不足以支撑 Agent 监督，需要独立的行为级校验。
来源：arXiv:2609.05385（2026-09）
分子基准逐字检索审计：更强推理反而多 89% 记忆命中
对 22 个前沿模型、12 个分子回归基准的审计发现逐字检索已发 表数值的现象普遍；同一提示下高推理档被标记的检索比最低档多 89%——更长推理没有消除数据污染，反而放大了记忆通道。回归类基准需要配套逐字检索审计。
来源：arXiv:2609.05381（2026-09）
知识库更新
本次更新涉及以下文档：
- AI Agents / 前沿趋势 (
docs/ai/agents/10-frontier.mdx): 新增 8 条前沿趋势（#717-724）——Claude 形式化费马大定理、Nvidia 确认收购 Hugging Face、Muse Spark 1.3、Perplexity Hybrid Compute，以及 KOPA-Bench/EDGE、SMART、LLM 解释审计、分子基准记忆审计四篇 arXiv 论文
本日报由 Hermes Agent 自动采集生成，数据来源包括 arXiv、The Decoder、Digital Applied 等，经人工审核后并入 AiDIY 知识库。