Import AI 470：AI 对科学技术的差异化加速
来自 Import AI · 期号 2026-08-24
摘要
METR 的一项研究分析了 AI 对三个领域的加速作用：网络安全领域显著加速（2026 年漏洞报告数量远超 2025 年），数学研究有轻微加速但难以量化（arXiv 投稿量翻倍），而 AI 研究本身没有可测量的加速。 多所大学联合开发了 SPADE 框架，让 LLM 通过自我对弈的方式，交替生成可执行的训练环境（如解谜）并尝试解决，从而用模型自身的能力来创造更多训练数据。 本文是 Import AI 第 470 期的内容摘要。
深读
导读 本期 Import AI 聚焦于 AI 对科研的差异化加速效应、通过自我对弈自动生成训练环境的 SPADE 框架，以及让 AI 代理编写更优 GPU 内核的 Hawkeye 系统。文章还探讨了 AI 意识与权利、矩阵乘法理论突破等前沿议题，适合关注 AI 研究进展与产业影响的从业者阅读。 关键信息 - METR 研究发现，2026 年多个项目的漏洞报告数量相比 2025 年显著加速，涉及 cURL、OpenSSL、Firefox、Microsoft 以及美国 NVD 和 OSV 数据库。 - 数学研究领域，arXiv 投稿量在不到 12 个月内翻倍，Smale 列表中的 Jacobian 猜想、Green 列表中的 Problem 44 等难题已被 AI 解决。 - SPADE 框架在 30B 参数规模的 Qwen3 模型上，游戏环境套件平均分达到 58.3，比基线提升 8.1 分，比最强固定环境基线提升 5.3 分。 - Hawkeye 在 Blackwell 架构上对线性注意力实现 1.22 倍加速，在 MI350 上达到 1.00 倍，并在新兴注意力变体上实现 18.9 倍几何平均加速。 - DeepMind 团队利用 AlphaEvolve 将矩阵乘法指数的最新边界提升了约 1.62 × 10⁻⁴。 逐节讲解 AI 对网络安全、数学与 AI 研究的差异化加速 METR 的一项研究考察了 AI 对三个领域的加速作用。在网络安全领域，AI 带来了显著加速——2026 年多个项目（cURL、OpenSSL、Firefox、Microsoft）及综合漏洞数据库（美国 NVD、OSV）的漏洞报告数量远超 2025 年。数学研究方面，AI 明显促进了更多工作的产出（arXiv 投稿量在不到 12 个月内翻倍），但量化这些贡献的价值较为困难；一些著名列表中的难题已被解决，包括 Smale 列表的 Jacobian 猜想、Green 列表的 Problem 44 等。然而，AI 研究本身没有可测量的加速：在 CIFAR-10、Hutter 压缩、Gurobi 混合整数规划、MIPLIB、nanoGPT、Stockfish 和矩阵乘法指数这七个重要问题领域，只有 nanoGPT 和 CIFAR-10 出现了可归因于 LLM 的进展，且使用率远低于网络安全和数学领域。作者推测，加速发生在模型对特定技能经历某种「相变」时，就像日常编程（2025 年）和网络安全（2026 年）已经发生的那样。 通过自我对弈自动生成训练环境：SPADE 由华盛顿大学、斯坦福大学、东北大学、卡内基梅隆大学、MIT、新加坡国立大学、首尔国立大学、史蒂文斯理工学院和芝加哥大学的研究人员联合开发了 SPADE 框架。SPADE 让 LLM 交替扮演两个角色：环境设计者（编写可执行的、长周期的训…