
斯蒂芬·霍金貌似快变成了一个身上挂着广告牌的男人,牌上写着:“末日就要来临了。”
他不仅警告我们外星人可能会摧毁人类,还担心人工智能或许也会摧毁人类。
如今他又察觉到一个威胁,而这个威胁可能不仅仅会终结地球,而且会终结整个宇宙。
据英国《星期日泰晤士报》报道,霍金正在为上帝粒子(the God particle)感到担忧。物理学家们在欧洲核子研究组织(CERN)用大型强子对撞机 (Large Hadron Collider)进行实验期间发现了上帝粒子,对于解释世界上的物体为何会有质量这个问题,上帝粒子是一个至关重要的因素。
然而,一本名为《Starmus》的新书收藏了一些著名科学家和天文学家发表的讲座,在该书前言中,霍金担心希格斯玻色子(Higgs Boson)可能会变得不稳定。
他写道:“希格斯粒子可能会在1000亿吉电子伏特(GeV)以上高能量水平下变至亚稳态,这个潜在的特性令人担忧。”
那么,这可能会导致什么后果呢?霍金解释道:“这大概意味着,宇宙可能会遭受灾难性的真空衰变,届时这一真真空泡沫会以光速膨胀。这在任何时候都可能会发生,我们不会看到它的到来。”
在人们准备将其挚爱的人送至一些遥远的恒星来避免这场灾难前,霍金确实为我们提供了一些希望,但仿佛还是带着一丝苦笑,他说道:“一个能够达到1000亿吉电子伏特能量的粒子加速器的规模将比地球还要大,而且这一实验在目前的经济形势下不太可能获得资助。”
从理论上说,他的担心在本质上或许有效,但它们实际发生的可能性非常小。
不过,你一定会对霍金与希格斯玻色子的发现之间的关系感到疑惑。首先,由于希格斯玻色子的发现,霍金失去了100美元的赌注。接着,他在去年沉思后表示,发现希格斯玻色子后,物理学变得不那么有趣了。
然而不管怎样,鉴于他认为我们能留在地球上的时间只剩大约1000年,那么在机器人拥有自己的想法消灭人类之前,还不如好好探索每一种可能场景。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。