
相信很多朋友对吃豆人的经典形象非常熟悉。它既没有颓废的气质、也没有忧郁的眼神、更不会蹦出什么段子或者金句。它来到世间只做一件事:吃豆。
这跟黑洞的属性实在非常相似。黑洞也只做一件事:吞噬。而且跟吃豆人差不多,黑洞也只吃离自己很近的东西。
黑洞与恒星经常碰撞,然后二者就此合体。接触之后,恒星很快也会变成黑洞,并融入碰上的黑洞让它变成一个更大的黑洞。
但整个过程是偶然还是种主动行为?万一黑洞是在积极猎杀恒星呢?虽然黑洞的这种活动不会加快宇宙奇点的来临,但至少能把自己越吃越大,如同宇宙背景下一个愈发庞大的真空陷坑。
而且在对一些合体事件进行观测后,研究人员最近发现黑洞很可能与宇宙保持着相同的膨胀速度。
来自夏威夷大学、芝加哥大学与密歇根大学的一组研究人员观察到,黑洞是宇宙合并的显著结果,而且这些黑洞的尺寸似乎比天体物理学家想象中要大得多。
在重复运行模拟并引入某些新的物理现象作为参考之后,研究团队确定黑洞很可能在以同步于宇宙的速度持续膨胀。总结来讲,随着宇宙本体的膨胀,黑洞也在持续增长并变得越来越强。
回到开头关于吃豆人的例子,其实这里也有不当之处。在游戏里至少那些小鬼魂还能伤害到吃豆人,除非我们的主角吃下能量药丸。但现实世界中没有任何东西逃得过黑洞的引力,就连光都不行。
而麻省理工学院近期一项最新研究则证实了一种猜测,即黑洞可以利用强引力造成的真空破坏力瓦解周遭恒星并产生重金属。
在中子星与黑洞之间的某些碰撞中,星体并不会被完全吞噬,而是在巨大的不稳定能量中生成金与铂等元素。
考虑到黑洞随宇宙膨胀以及金属元素自由漂浮等理论,目前还不清楚这些金与铂元素最终是否会被黑洞吸收。
不过就算是能产生一点重金属,黑洞的创造也只能说是“破坏之余的意外行为”。毕竟如果是两颗恒星直接相撞,产生的重金属会更多、更丰富。
科学家们希望未来几年内当下一代太空望远镜与天文台部署到位之后,我们能够建立起更多新的黑洞观测见解,包括关于宇宙最初奇点形成的细节信息。
好文章,需要你的鼓励
这项由IIT马德拉斯与BITS Pilani联合发布的研究(arXiv:2604.21523,2026年4月)构建了FOCUS元评估基准,系统检验了评审型视觉语言大模型的可靠性。通过向超过4000个图文和图像样本中注入40种受控错误,研究发现顶尖评审AI的检测失败率在某些条件下超过50%,物理合理性和视觉细节类错误尤为难以被发现,两两比较是最可靠的评审范式。
这篇由Sylph.AI发布的技术报告提出了一套两层自动化框架,核心思想是让AI自动优化自身的运行脚手架,再进一步让AI学会如何更高效地做这种优化。内层的脚手架进化循环通过工人代理、评估代理和进化代理的协作,自动迭代改进单个任务的运行配置;外层的元进化循环则在多个任务上训练,学习一套能快速适应任何新场景的通用进化蓝图,从而彻底消除人工脚手架工程的需求。
这篇由英伟达等顶尖机构联合发表的论文提出了一种名为Voyager的新型智能体。研究团队以《我的世界》为实验平台,通过引入自动课程规划、技能库存储以及迭代反馈机制,成功让大语言模型主导的AI在完全无人类干预的情况下,实现了在复杂开放世界中的自主探索与终身学习。实验数据表明,Voyager在物品收集、探索范围及技能解锁速度上均呈现出远超传统方法的压倒性优势,为未来开发能够自主解决真实物理世界复杂任务的通用人工智能奠定了关键的理论与实践基础。
这项由伊利诺伊大学、斯坦福大学、英伟达和麻省理工学院联合发布的研究(arXiv:2604.25917,2026年4月)提出了RecursiveMAS框架,让多个异构AI模型通过轻量级模块RecursiveLink在内部信号层面直接传递"潜在思想",形成循环协作,彻底绕开了传统多AI系统依靠文字传话的低效方式。配合两阶段内外循环训练策略,整个系统只需优化极少量参数,就能在数学、科学、代码生成和搜索问答等9个基准测试上取得平均8.3%的精度提升,同时实现最高2.4倍推理加速和75.6%的token用量削减。