数学已经变了，信任正在重定价

数学已经变了：Calegari 在陶哲轩博客发表改革宣言

OpenAI 10 月 6 日一次性放出 700 多篇数学研究论文，连 Duminil-Copin 的公开问题都被整批解决，数学界憋了三周半，等来了第一份系统性接招书。11 月 1 日，芝加哥大学的 Frank Calegari 在陶哲轩的博客发表客座文章《Mathematics has changed. Let’s act like it》，当天在 HN 拿到 315 分。

文章的立场是”游戏没有结束，只是规则要改”。他拿 1972 到 1983 年的有限单群分类作类比：大问题被解决之后，群论照样长出丰富的后续。落到个人，他拿自己举例：把双曲三维流形与 Kolyvagin 系统接在一起，这种跨领域、高风险的设想在过去不敢碰，现在有了 AI 的探索能力反而值得试。他引述 Christian Szegedy 的判断：攀登式的英雄主义将让位于”选择地形、驾驶机群、向世界解释发现”。

承认”丑陋的真相”之后是六条具体改革：评估上默认所有论文都是 AI 辅助的，奖励重心从”机器可产出的结果”挪到作者对意义与联系的解释；招聘上加回面试，看数学视野而非论文档案；期刊要求更高的写作与阐述质量，鼓励 Lean 验证的证明；研究生培养强调广度与讲解能力；研讨会围绕大问题组织；所有权上，把 AI 成果视为建立在人类数千年智力积累之上的集体财产，主动认领。

编者评： 这篇宣言的价值在顺序——先把”默认 AI 辅助”当成既成事实接受下来，再谈怎么改规则，没有浪费一个字争论该不该挡。奖励重心从产出证明挪到选问题与讲清楚，等于承认证明环节的稀缺性已经转移。对照上周 OpenAI 论文带来的行业震动，这是学科内部第一份把应对方案落到评估、招聘、出版操作层面的文件。

HackerBooks：HackerTube 之后，HN 数据集策展成了流派

Karpathy 的 HackerTube 上周五上线，四天后，“HackerTube, but for books”就在 HN 拿到 1378 分。开发者 roansh 在 11 月 1 日发布 HackerBooks：从 HN 全部评论里筛出 15,766 本书，每天重新洗出一排书架，按推荐次数排序。

榜首的样子很 HN：Bad Blood 被推荐 119 次、提及 207 次，Mistborn 与 Refactoring 各拿 94 次推荐，《资本论》是提及 191 次、推荐 40 次——提的人多，真推的人少。同一天，另一个开发者把 HN 提到的维基百科条目做成了 Wikihack，也在 HN 收下 165 分。

编者评： 从周末项目到可复制模板只用了四天，配方已经公开：HN 全量评论当语料，加一个筛选 agent，加一个静态站。真正的门槛在数据管道而不是页面，这解释了为什么复制品能在一两天内冒头。HN 二十年的评论积累，正在被当成一座公共数据矿逐层开采——书、维基百科条目之后，被推荐的播客、论文、工具都排着队。

Jepsen 作者警告：LLM 代码让成熟系统的信任信号失效

11 月 1 日，Simon Willison 摘录了 Jepsen 作者 Kyle Kingsbury 的一段话：“LLM 的使用侵蚀着人们对文档、对软件、对生产它们的组织的信任。工程师们会开始用怀疑的眼光看待任何新软件项目——我们过去赖以判断一个系统成熟的信号，现在更容易伪造了。”

这段话出自 Jepsen 10 月 31 日发布的 ParticleDB 1.1.4 分析报告。ParticleDB 是 Orkes 推出的面向 AI 负载的多模型数据库，Jepsen 一口气揪出 96 个问题：崩溃、死锁、丢数据、WHERE 4 = 5、删掉的表以扭曲形态复活、字符串变成整数，大部分问题用单服务器、单客户端、不注入任何故障就能复现。Jepsen 的建议直白：停止部署，尽快迁移。报告里抛给全行业的问题是：在 LLM 时代，维护者怎样保证软件正确、文档准确，又怎样把这种质量证明给用户看？

编者评： Jepsen 干了十年分布式系统质量裁判，裁判亲自宣布记分牌失灵，分量不同于一般的悲观评论。当数据库代码本身由 AI 参与生成，测试报告的读者就从工程师变成了工程师加审计员。Kyle 的两个问题——如何保证正确、如何证明质量——在监管语境里就是合规问题，答案不会来自模型厂商的自我声明，只能来自独立的验证产业。

Grok Bot 工程师：四天、1150 个 AI PR、TLA+ 验证，造出整款游戏

Lauren Tan（@poteto，SpaceXSI Grok Bot 团队工程师，25 万粉丝）11 月 1 日深夜发帖复盘自己的副项目：一款游戏，四天，落地约 1150 个 PR，全部由 bot 提交。帖子拿到近 2200 赞。

工程纪律是这条帖子的主角。每发现一个 bug，就让 bot 立一条 lint 规则，同类问题不再出现；剧情、过场、游戏系统各有一套状态机，全部用 TLA+ 做形式化验证，每个主要系统配一个专门的验证 skill；每帧执行的代码放进 .hot.ts 后缀的文件，lint 禁止在里面分配内存——没有对象字面量、闭包、new，游戏循环几乎不产生垃圾，GC 不再造成卡顿。引擎大部分自研：three.js 只负责渲染 3D 场景，模拟、后处理、音频都是自己写的。模拟完全确定性，服务器重放整局输入验证高分，作弊在架构层就被堵死。

编者评： 这条帖子和 Kyle 的警告出现在同一个周末，读起来像一份回应：agent 写代码的速度越快，质量闸门越要做成流水线的一等公民——lint 防再犯、TLA+ 验状态机、确定性重放防作弊，三层验证各管一段。四天一千多个 PR 的产能数字是噱头，真正值得抄的是把”验证预算”提前写进架构的思路。人盯不过来的代码量，只能用形式化方法盯。

马斯克：Grok Bot 替你研究并买下礼物

马斯克 11 月 1 日晚发帖：“Grok @Bot will research gifts that your friends and family would love and buy them”——Grok Bot 会研究你的亲友喜欢什么礼物，然后买下来。帖子收获 3000 多赞、近 600 条回复。

支付链路已经铺好：X Money 从 10 月 11 日起接入，Stripe Link 与 Shop Pay 随后跟进，每次付款前弹出写明商品与价格的卡片，用户选允许或拒绝。责任边界还停在口头：SpaceXSI 的服务条款写明公司不对代理的操作负责，马斯克的承诺是”买错了 SpaceX 全额赔偿”，没有任何书面条款。上周末他晒出的乐高订单刚闹出风波，241.34 美元的订单截图泄露了收件地址，有网友拿着订单号找乐高客服试图取消，逼得马斯克连发数帖自证订单还在。

编者评： agent 竞赛走到碰钱这一步，产品里最关键的一道 UI 是那张允许或拒绝的确认卡。马斯克的全额赔偿承诺没有条款支撑，免责声明倒是白纸黑字——规则与能力之间的这段空窗，只能靠用户的记忆力去填补。给亲友买礼物是低风险场景的聪明选法：金额小、容错高、又天然适合展示”研究偏好”的能力，等习惯养成，金额才会往上走。

MonkeyExplains：为什么 AI 泡沫至今还没破

科普频道 MonkeyExplains 11 月 1 日上线新片《Why Hasn’t The AI Bubble Burst (Yet)?》，13 分 57 秒，一天播放 82 万。

片子把账摊开算：2025 年 OpenAI 每赚 1 美元要在运营上亏 1.6 美元；科技巨头今年在 AI 基建上的投入约 7250 亿美元；七家巨头占到标普 500 的三分之一，而标普 500 装在数百万美国人的退休金账户里。结构性风险讲三块：Nvidia、OpenAI、Oracle 之间的循环融资；Anthropic 与 OpenAI 的 IPO 如何把风险转嫁给散户；韩国 KOSPI 的崩盘作为集中度风险的现成教材。片尾的判断是 2027 年会非常动荡。

编者评： 泡沫叙事完成了从财经频道到百万播放科普频道的一跳，论据全是公开数据，杀伤力在受众换了人。B站财经区同一天在刷同题内容，台媒标题直接写”AI 泡沫开始暴雷”。争论的焦点已经不是有没有泡沫，而是破的时候砸到谁——循环融资与 IPO 转嫁这两条链，把答案指向了散户和退休金账户。

B站：Will叔每日 AI 动态，Azure 配置页剧透 Anthropic 新旗舰

Will叔聊AI 11 月 2 日早上传每日速报，1 分 21 秒，AI 配音。当天最硬的一条：微软 Azure 的配置页面意外曝光了 Anthropic 两款未发布模型——Fable 5.5 与 Mythos 5.5——的价格与参数。同片还覆盖：开发者把完整 32 位 RISC-V CPU 编译进 Qwen3.5-4B 权重，零工具调用跑出数学精度 97.5%；DeepSeek 内部微调 V4.1 Pro，Super-agent 架构把复杂任务耗时砍半。

编者评： 未发布模型的第一个现场，从发布会 keynote 挪到了云厂商的配置页——定价表先于官方公告流出，成了机型情报的新矿脉。中文 AI 资讯的消费形态也在分化：长视频做深度，一分半的 AI 配音速报抢时效，后者正在把”每日 AI 新闻”变成一种轻量日更品类。

Google FlowAgent：在 CI 里自动修测试，速度决定采纳率

Rohan Paul 11 月 1 日拆解 Google 的新论文 FlowAgent：在持续集成流程里，测试失败发生的当下就派 agent 上场：编辑、构建、重跑，直到测试通过，修复带着根因说明出现在 code review 里，赶在开发者动手之前。

数据值得逐条看：在 195 个真实测试失败上，专家判定 67.18% 的修复正确；生产环境已经应用了 28,554 个修复；修复中位耗时 9.85 分钟，而开发者在失败发生后到自己开始改代码的中位间隔是 27.48 分钟。结论藏在最后一句：即便跑赢了人，很多修复还是到得太晚，开发者一旦开始自己修，agent 的修复就成了废 PR。

编者评： “too late”是这篇论文最值钱的发现：决定 agent 修复被不被用的不是修得多对，而是到得多快。67% 的正确率已经够用，9.85 分钟却还嫌慢，这给所有 CI agent 产品定了 KPI 的优先级——先卷速度，再卷质量。测试修复是 agent 进生产代码库最顺的切口：有明确的通过判据、有天然的回滚边界，Google 把它做成了流程内嵌而非事后补救。

编者按

本期三条线。

第一条是信任的重定价。Calegari 让数学界默认 AI 辅助并重写评估规则，Kyle Kingsbury 宣布成熟系统的信任信号失效，Lauren Tan 用 lint、TLA+ 与确定性重放给 agent 代码上三重保险；FlowAgent 把带根因的修复直接嵌进 code review。四件事各自独立，却指向同一个判断：AI 产出的规模已经把”如何证明它对”顶成了一门独立的工程，验证不再是发布前的最后一道手续，而是架构里的第一等公民。

第二条是 agent 碰钱。Grok Bot 从比价研究走到自主下单，确认卡片、免责条款与口头赔偿承诺之间的错位说明，支付授权的产品化才刚开始。

第三条是泡沫叙事的下沉。82 万播放的科普视频把循环融资、IPO 转嫁讲给大众，B站财经区与台媒同题刷屏，账本焦虑从财报电话会一路灌进信息流，这本身就是泡沫周期的一个症状。